Apostila Álgebra Linear

Notas de aulas
Altemir Jose Borges

Curitiba
Setembro de 2010
Sumario
1 Sistemas de Coordenadas 1
1.1 Conceito . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Sistema de coordenadas unidimensional . . . . . . . . . . . . . . . . . . . . 1
1.3 Sistema de coordenadas bidimensional . . . . . . . . . . . . . . . . . . . . 1
1.3.1 Sistema de coordenadas retangulares ortogonal . . . . . . . . . . . . 2
1.3.2 Sistema de coordenadas retangulares oblquo . . . . . . . . . . . . . 3
1.3.3 Sistema de coordenadas polares . . . . . . . . . . . . . . . . . . . . 4
1.4 Sistema de coordenadas tridimensional . . . . . . . . . . . . . . . . . . . . 8
1.4.1 Sistema de coordenadas retangulares ortogonal . . . . . . . . . . . . 8
1.4.2 Sistema de coordenadas cilindrco . . . . . . . . . . . . . . . . . . . 8
1.4.3 Sistema de coordenadas esfericas . . . . . . . . . . . . . . . . . . . 10
2 Matrizes 17
2.1 Denicao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.2 Tipos de matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.2.1 Matriz quadrada . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.2.2 Matriz nula . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
ii
2.2.3 Matriz coluna . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.2.4 Matriz linha . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.2.5 Matriz diagonal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.2.6 Matriz tridiagonal . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.2.7 Matriz identidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.2.8 Matriz escalar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.2.9 Matriz triangular superior . . . . . . . . . . . . . . . . . . . . . . . 20
2.2.10 Matriz triangular inferior . . . . . . . . . . . . . . . . . . . . . . . . 21
2.2.11 Matriz simetrica . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.2.12 Matriz antisimetrica . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.2.13 Matriz conjugada . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.2.14 Matriz esparsa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.2.15 Matriz diagonalmente dominante . . . . . . . . . . . . . . . . . . . 22
2.3 Operacoes com matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.3.1 Igualdade de matrizes . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.3.2 Adic ao de matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.3.3 Multiplicac ao por escalar . . . . . . . . . . . . . . . . . . . . . . . . 23
2.3.4 Transposicao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.3.5 Multiplicac ao de matrizes . . . . . . . . . . . . . . . . . . . . . . . 26
2.3.6 Matrizes em blocos . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.4 Matriz inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.4.1 Equivalencia de matrizes . . . . . . . . . . . . . . . . . . . . . . . . 40
iii
2.4.2 Calculo da inversa empregando operacoes elementares . . . . . . . . 43
2.4.3 Calculo da inversa empregando matrizes de blocos . . . . . . . . . . 45
2.5 Execcios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3 Determinantes 51
3.1 Denicoes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
3.2 Propriedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
3.3 Desenvolvimento por Laplace . . . . . . . . . . . . . . . . . . . . . . . . . 53
3.4 Execcios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
4 Sistemas de equacoes lineares 57
4.1 Conceitos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
4.2 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
5 Vetores 68
5.1 Conceitos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
5.1.1 Segmento orientado . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
5.1.2 Segmentos equipolentes . . . . . . . . . . . . . . . . . . . . . . . . . 68
5.1.3 Classe de equivalencia . . . . . . . . . . . . . . . . . . . . . . . . . 69
5.2 Vetor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
5.2.1 Vetor nulo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
5.2.2 Vetor unitario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
5.2.3 Versor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
5.2.4 Vetor oposto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
iv
5.3 Operacoes com vetores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
5.3.1 Adic ao de vetores . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
5.3.2 Multiplicac ao por escalar . . . . . . . . . . . . . . . . . . . . . . . . 71
5.3.3 Subtrac ao de vetores . . . . . . . . . . . . . . . . . . . . . . . . . . 72
5.3.4 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
5.4 Expressao cartesiana de um vetor . . . . . . . . . . . . . . . . . . . . . . . 74
5.4.1 Expressao cartesiana do versor de um vetor . . . . . . . . . . . . . 74
5.4.2 Operac oes com vetores na forma cartesiana . . . . . . . . . . . . . . 75
5.4.3 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
5.5 Paralelismo de vetores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
5.5.1 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
5.6 Coplanaridade de vetores . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
5.6.1 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
5.7 Cosenos diretores de um vetor . . . . . . . . . . . . . . . . . . . . . . . . . 78
5.7.1 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
5.8 Produto escalar ou interno . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
5.8.1 Denic ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
5.8.2 Interpreta cao geometrica . . . . . . . . . . . . . . . . . . . . . . . . 79
5.8.3 Propriedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
5.8.4 Expressao cartesiana do produto escalar . . . . . . . . . . . . . . . 80
5.8.5 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
5.9 Produto vetorial ou externo . . . . . . . . . . . . . . . . . . . . . . . . . . 82
v
5.9.1 Denic ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
5.9.2 Interpreta cao geometrica . . . . . . . . . . . . . . . . . . . . . . . . 82
5.9.3 Propriedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
5.9.4 Expressao cartesiana do produto vetorial . . . . . . . . . . . . . . . 83
5.9.5 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
5.10 Produto misto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
5.10.1 Denic ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
5.10.2 Interpretac ao geometrica . . . . . . . . . . . . . . . . . . . . . . . . 86
5.10.3 Propriedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
5.10.4 Expressao cartesiana do produto misto . . . . . . . . . . . . . . . . 87
5.10.5 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
5.11 Exerccios gerais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
6 A reta no R
3
93
6.1 Equacoes da reta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
6.1.1 Equac ao vetorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
6.1.2 Equac os parametricas . . . . . . . . . . . . . . . . . . . . . . . . . . 93
6.1.3 Equac oes simetricas . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
6.1.4 Equac oes reduzidas . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
6.2 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
7 O plano no R
3
100
7.1 Equacao do plano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
vi
7.1.1 Equac ao vetorial do plano . . . . . . . . . . . . . . . . . . . . . . . 100
7.1.2 Equac ao geral do plano . . . . . . . . . . . . . . . . . . . . . . . . . 100
7.1.3 Equac ao do plano que passa por um ponto e e ortogonal a um vetor 101
7.2 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
8 Espaco Vetorial 106
8.1 Denicao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
8.1.1 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
8.2 Subespacos vetoriais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
8.2.1 Denic ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
8.2.2 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
8.2.3 Interse cao de subespacos . . . . . . . . . . . . . . . . . . . . . . . . 110
8.2.4 Soma de subespacos . . . . . . . . . . . . . . . . . . . . . . . . . . 111
8.3 Combinac ao linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
8.4 Subespaco gerado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
8.5 Dependencia linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
8.6 Base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
8.7 Mudanca de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
8.8 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
9 Transformac oes Lineares 130
9.1 Denicao e Teoremas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
9.2 O espaco vetorial L(U, V) . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
vii
9.2.1 Operac oes em L(U, V) . . . . . . . . . . . . . . . . . . . . . . . . . 134
9.3 N ucleo e Imagem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
9.4 Transformac oes lineares e matrizes . . . . . . . . . . . . . . . . . . . . . . 141
9.5 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
10 Autovalores e autovetores 147
10.1 Denic ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147
10.2 Autovalores e autovetores de uma matriz . . . . . . . . . . . . . . . . . . . 149
10.3 Polin omio caracterstico . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
10.4 Denic ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
10.5 Diagonalizac ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
10.6 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
11 Espacos com produto interno 1 156
11.1 Produto interno . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
11.2 Coecientes de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
11.3 Norma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
11.3.1

Angulo entre vetores . . . . . . . . . . . . . . . . . . . . . . . . . . 161
11.4 Processo de Ortogonalizac ao de Gram-Schmidt . . . . . . . . . . . . . . . . 162
11.5 Complemento ortogonal . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
11.6 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166
12 Conicas e quadricas 168
12.1 Conicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168
viii
12.1.1 Par abola . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
12.1.2 Elipse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
12.1.3 Hiperbole . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170
12.2 Quadricas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173
12.2.1 Elipsoide . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173
12.2.2 Hiperboloide de uma folha . . . . . . . . . . . . . . . . . . . . . . . 173
12.2.3 Hiperboloide de duas folhas . . . . . . . . . . . . . . . . . . . . . . 174
12.2.4 Paraboloide elptico . . . . . . . . . . . . . . . . . . . . . . . . . . . 174
12.2.5 Paraboloide hiperbolico . . . . . . . . . . . . . . . . . . . . . . . . . 174
12.2.6 Cone elptico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 175
12.2.7 Cilindro elptico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 175
12.2.8 Cilindro hiperbolico . . . . . . . . . . . . . . . . . . . . . . . . . . . 175
12.2.9 Cilindro parabolico . . . . . . . . . . . . . . . . . . . . . . . . . . . 175
12.3 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177
ix
Captulo 1
Sistemas de Coordenadas
1.1 Conceito
Sistemas de coordenadas sao referenciais pelos quais se estabelece uma correspondencia
biunvoca entre pontos geometricos e n umeros reais.
1.2 Sistema de coordenadas unidimensional
Neste sistema de coordenadas, os pontos sao elementos do espaco unidimensional, isto
e, de uma reta.
As coordenadas de um ponto P no sistema de coordenadas unidimensional sao deter-
minadas pela distancia deste ponto à origem da reta orientada, a qual ele pertence.
1.3 Sistema de coordenadas bidimensional
E um sistema nos quais os pontos sao elementos do espaco bidimensional, isto e, de

um plano.
1
1.3.1 Sistema de coordenadas retangulares ortogonal
Este sistema e constitudo por um conjunto de duas retas orientadas x e y de mesma
origem e perpendiculares entre si.
Figura 1.1: Coordenadas cartesianas ortogonais
onde P
x
e a projecao ortogonal do ponto P sobre o eixo x e P
y
e a projec ao ortogonal
do ponto P sobre o eixo y.
O eixo horizontal 0x ou somente eixo x e denominado eixo das abscissas e o eixo
vertical 0y ou eixo y e o eixo das ordenadas. A orientac ao positiva do eixo x e para a
direita. A orienta cao positiva do eixo y e para cima.
Nessa correspondencia entre o ponto P e o par ordenado de n umeros reais (x,y),
dizemos que:
P tem coordenada (x, y). Geralmente escreve-se o ponto P e sua coordenada, juntos,
assim P(x, y);
P e a representacao geometrica ou graca do par ordenado (x, y);
a coordenada (x, y) e a representac ao analtica de P;
x e y sao as componentes da coordenada de P;
ha correspondencia biunvoca entre ponto geometrico e par ordenado (x,y), ou seja,
a cada par ordenado (x, y) corresponde um e unico ponto sobre o plano e a cada
ponto sobre o plano corresponde um e unico par ordenado (x, y) de n umeros reais;
um plano com as caractersitcas anteriormente descritas, denominado plano carte-
siano, e a representac ao geometrica do conjunto R
2
ou R R, isto e, do produto
cartesiano de R por R.
2
Os pontos cujas ordenadas sao zero localizam-se sobre o eixo x e os pontos cujas
abscissas sao zero localizam-se sobre o eixo y.
Translacao de eixos:
Considere na gura
Figura 1.2: Translacao de eixos
Considere no plano cartesiano xOy um ponto P(x, y). Sejam P(u, v) as suas coorde-
nadas no referencial uP
0
v, em que P
0
(a, b), assim, valem as relac oes:
x = u + a
y = v + b
que sao as formulas de translac ao.
1.3.2 Sistema de coordenadas retangulares oblquo
Se o angulo entre os eixos x e y for diferente de 90
o
, o sistema cartesiano e denominado
sistema cartesiano oblquo. Pode-se renomear os eixos x e y para u e v, respectivamente.
A localizacao de um ponto P e dada pelo par ordenado (u, v), onde os n umeros reais
u e v sao denominados coordenadas oblquas de P, em que u e v sao respectivamente as
projecoes oblquas do ponto P sobre os eixos u e v, respectivamente.
3
Figura 1.3: Coordenadas cartesianas obliquas
1.3.3 Sistema de coordenadas polares
O sistema de coordenadas polares e composto por uma semi-reta orientada e xa
denominada eixo polar e um ponto xo, denotado por O, denominado polo, localizado na
origem do eixo polar.
r
e
P(r,)
0
Figura 1.4: Coordenadas cartesianas polares
Um ponto P tera coordenadas P(r, ) no sistema polar, em que, r R e 0 < 2.
O sistema de coordenadas polares e empregado, por exemplo, no acompanhamento
dos movimentos de planetas e de satelites, na identicacao e localizacao de objetos em
telas de radar.
Exemplos:
1. Represente gracamente o ponto P(2, /6) dado em coordenadas polares.
2. Represente gracamente o ponto A(3, 5/6) dado em coordenadas polares.
4
r=2
=/6
e
P(2,/6)
0 2
Figura 1.5: Exemplo 1
3. Represente gracamente o ponto B(2, /3) dado em coordenadas polares.
4. Represente gracamente o ponto C(4, /4) dado em coordenadas polares.
5. Represente gracamente o graco da relacao r = 1 + cos().
r
0 1 + 1 = 2
/6 1 +
3/2 = 1, 86
/4 1 +
2/2 = 1, 71
/3 1 + 1/2 = 1, 5
/2 1 + 0 = 1
1 + (1) = 0
3/2 1 + 0 = 1
2 2
0.5
1
1.5
2
30
210
60
240
90
270
120
300
150
330
180 0
5
Observac ao importante: Lembre do Calculo que do fato da func ao y = cos(x) ser
uma funcao par, isto e, cos(x) = cos(x), vem que o graco da relac ao do exemplo 5 e
simetrico em relacao ao eixo polar.
6. Represente gracamente o graco da relacao r = 1 2cos().
r
0 1
/3 0
/2 1
3
3/2 1
5/3 0
2 1
1
2
3
30
210
60
240
90
270
120
300
150
330
180 0
Pela observa cao do exemplo 5, veja que nao seria necessario calcular as imagens para
arcos maiores que e sim somente duplicar o graco obtido para 0 .
Relacao entre coordenadas polares e coordenadas retangulares:
Pode-se sobrepor o sistema de coordenadas cartesianas ao sistema de coordenadas
polares de tal forma que o eixo positivo das abscissas coincida com o eixo polar e a origem
do sistema cartesiano coincida com o polo.
A partir do triangulo OPx na gura 1.8 pode-se escrever:
sen() =
y
r
= y = rsen()
6
cos() =
x
r
= x = rcos()
tg() =
y
x
r
2
= x
2
+ y
2
0.2
0.4
0.6
0.8
1
30
210
60
240
90
270
120
300
150
330
180 0
P
x
y
r
O
Figura 1.8: Relac ao entre coordenadas polares e coordenadas retangulares
Exemplos:
1. Determine as coordenadas polares do ponto P(2, 2
3), dado em coordenadas

cartesianas.
Sabe-se que r
2
= x
2
+ y
2
e tg() =
y
x
r
2
= 2
2
+ (2
3)
2
= r = 4
tg() =
y
x
= tg() =
2
3
2
= tg() =
3 = = /3
P(4, /3)
2. Escreva a relac ao r
2
= 4cos(2) em coordenadas cartesianas.
r
2
= 4cos(2) = x
2
+ y
2
= 4
_
cos
2
() sen
2
()
_
= x
2
+ y
2
= 4
_
y
2
r
2

x
2
r
2
_
=
_
x
2
+ y
2
_
2
= 4
_
y
2
x
2
_
7
1.4 Sistema de coordenadas tridimensional
E um sistema nos quais os pontos sao elementos do espaco tridimensional, isto e, o

espaco R
3
.
1.4.1 Sistema de coordenadas retangulares ortogonal
Este sistema e constitudo por um conjunto de tres retas orientadas x, y e z de mesma
origem e mutuamente perpendiculares.
z
y
P
P
y
P
z
x
P
x
Figura 1.9: Coordenadas retangulares no espaco tridimensional
1.4.2 Sistema de coordenadas cilindrco
Este sistema e constitudo por um sistema de coordenadas polar (0, e), situado em um
plano , e um eixo z ortogonal ao plano na origem 0 do sistema polar.
Assim um ponto P tera coordenadas cilndricas P(r, , z), em que r R e a distancia
polar, 0 < 2 e o argumento e z R e a cota.
Relacao entre coordenadas cilndricas e coordenadas retangulares:
Pode-se sobrepor o sistema de coordenadas cartesianas ao sistema de coordenadas
polares de tal forma que o eixo positivo das abscissas coincida com o eixo polar, a origem
8
z
r
e
P
P
Pz
Figura 1.10: Coordenadas cilndricas
do sistema cartesiano coincida com o polo e tambem coincidam os eixos z.
Analogamente à correspondencia do sistema polar com o cartesiano ortogonal, pode-se
escrever:
sen() =
y
r
= y = rsen()
cos() =
x
r
= x = rcos()
tg() =
y
x
r
2
= x
2
+ y
2
z = z
Exemplos:
1. Determine as coordenadas cilndricas do ponto P(3, 3
3, 4), dado em coorde-

nadas cartesianas.
Sabe-se que r
2
= x
2
+ y
2
e tg() =
y
x
r
2
= (3)
2
+ (3
3)
2
= r = 6
tg() =
y
x
= tg() =
3
3
3
= tg() =
3 = = 4/3
z = 4
9
P(6, 4/3, 4)
2. Escreva a relac ao r = 4 em coordenadas cartesianas.
r = 4 = (x
2
+ y
2
)
1/2
= 4 = x
2
+ y
2
= 16 =
Cilindro com centro na origem(0, 0, 0) e raio igual a 4.
1.4.3 Sistema de coordenadas esfericas
Dado um ponto O pertencente ao R
3
, chamado polo do sistema esferico, pelo qual
passa um eixo z. Considere tambem um plano que contem o eixo z.
z
y
P
P
z
x
P
x
P
y

P
O
r
Figura 1.11: Coordenadas esfericas
Um ponto P R
3
tera coordenadas esfericas P(, , ), em que:
= OP 0 e a distancia polar.
0 2 e chamada de longitude.
0 < e chamada de colatitude.
Relacao entre coordenadas esfericas e as coordenadas retangulares:
Na gura 1.11 considere o triangulo de vertices P
z
,P e O, assim escreve-se:
cos() =
z
= z = cos()
10
sen() =
r
= r = sen()
Do triangulo de vertices P
x
,P
e O, vem:
sen() =
y
r
= y = rsen() = y = sen()sen()
cos() =
x
r
= x = rcos() = x = cos()sen()
E nalmente a partir do triangulo de vertices O,P
e P, vem:
2
= r
2
+ z
2
=
2
= x
2
+ y
2
+ z
2
.
Exemplos:
1. Determine as coordenadas cartesianas do ponto P(6, 5/6, 2/3), dado em coorde-
nadas esfericas.
z = cos() = z = 6cos(2/3) = z = 6
1
2
= 3
x = sen()cos() = x = 6cos(5/6)sen(2/3) = 6
3
2
3
2
= 6
3
4
=
9
2
y = sen()sen() = y = 6sen(5/6)sen(2/3) = 6
1
2
3
2
= 3
3
2
P(
9
2
, 3
3
2
, 3)
2 O que representa a equac ao, em coordenadas esfericas, = /3?
Escrevendo em coordenadas cartesianas, vem:
tg() =
y
x
=
3 =
y
x
= y =
3 x = Plano passando pela origem.

Exerccios:
1. Passar do sistema cartesiano para o sistema polar:
a) A(3, 3
3)
b) B(3
3, 3)
c) x
2
+ y
2
3x = 0
d) (x
2
+ y
2
)
2
= 3(x
2
y
2
)
11
e) x
2
+ y
2
+ xy = 5
f) x+y-2=0
2. Passar do sistema polar para o sistema cartesiano:
a) P(2,
6
)
b) Q(2,
7
6
)
c) r
2
= k
2
sen(2)
d) r
2
(cos(2))
2
= 2
3. Determinar as coordenadas polares do ponto simetico de A(2,
3
) em relac ao ao
eixo polar.
4. Idem para o ponto B de coordenadas cartesianas (4,-3).
5. Represente gracamente a curva denida por r = 3 sujeita a 0 .
6. Transformar a equac ao r
2
= a
2
cos(2) do sistema polar para o cartesiano.
7. Passar do sistema polar para o sistema cartesiano:
a) r = k
b) r =
k
c) log
a
r = k
8. Deduzir a formula da distancia entre dois pontos P
1
(r
1
,
1
) e P
2
(r
2
,
2
), em coorde-
nadas polares.
9. Construir o graco das seguintes funcoes, dadas em coordenadas polares: (Pesquise
o nome de cada curva.)
12
a) r = 2(1 + cos()) b) r = 2(1 cos())
c) r = 2(1 + sen()) d) r = 2(1 sen())
e) r
2
= 3
2
cos(2) f) r
2
= 3
2
cos(2)
g) r
2
= 3
2
sen(2) h) r
2
= 3
2
sen(2)
i) r = 1 2cos() j) r = 1 2sen()
k) r = 4sen(3) l) r = 2cos(3)
m) r = 4sen(3) n) r = 2cos(3)
o) r =
2
p) r =
2
q) r = 2sen() r) r = 2sec
2
(
2
)
s) r = 2 t) r
2
= 4
u) r = 1 2sen() v) r = 1 2cos()
10. Determine as coordenadas cilndricas (r, , z) para os pontos cujas coordenadas
cartesianas sao:
a) A(4, 4
3, 3)
b) B(2
3, 2, 1)
c) C(0, 1, 3)
d) D(4, 0, 1)
e) (
5
2
,
5
3
2
, 6)
f) x
2
+y
2
3z = 0
g) (x
2
+ y
2
)
2
= z
2
(x
2
y
2
)
11. Passar do sistema cilndrico (r, , z) para o sistema cartesiano (x, y, z):
a)A(4,

3
, 3) b)B(3,

2
, 1)
c)C(5,

6
, 4) d)D(2, 2, 2)
e)z = r
2
f)
r
2
9
+
z
2
4
= 1
12. Passar do sistema esferico (, , ) para o sistema cartesiano:
13
a) P(2,

3
,
2
3
)
b) Q(2,

6
,

3
)
c) R(12,
5
6
,
2
3
)
d) S(, , )
e) =

6
f) =

3
13. Escreva a equacao em coordenadas cilndricas do cilindro circular reto de raio 5 e
com o eixo z como o eixo central.
14. Sabe-se que a equac ao em coordenadas cartesianas x
2
+ y
2
= z representa um
paraboloide de revolucao. Determine esta equacao em coordenadas cilndricas.
15. Dadas as coordenadas esfericas de P(2
2,
6
,

4
). Obte-las em coordenadas
cilndricas.
16. Passar A(6,
3
4
, 2) do sistema cilndrico para o esferico.
17. Exprimir a equac ao + 6sen()cos() + 3sen()sen() 5cos() = 0 em coorde-
nadas cartesianas.
18. (Exclusivo para os alunos da licenciatura em fsica) Encontre a inclinacao da
tangente para a rosacea de 4 folhas r = cos(2) na passagem atraves da origem para a
qual =
5
4
.
Respostas:
1. a) A(6,
2
3
)
b) B(6,

3
)
c) r(3cos) = 0
d) r
4
= 3r
2
cos(2)
e) r
2
(1 +
sen(2)
2
) = 5
14
2. a) (
3, 1)
b) (
3, 1)
c) (x
2
+ y
2
)
2
= 2k
2
xy
d) (x
2
y
2
)
2
= 2(x
2
+ y
2
)
3. (2,

3
)
4. (5, arccos(5/4))
5. Semi-circunferencia de raio igual a 2.
6. (x
2
+ y
2
)
2
= a
2
(x
2
y
2
)
7. a) x
2
y
2
= k
2
(arctg(x/y)
2
)
b) x
2
y
2
=
k
2
(arctg(y/x))
2
c) x
2
y
2
= a
2k(arctg(y/x))
8. d
2
= r
2
1
+ r
2
2
2r
1
r
2
cos(
2
1
)
9. Usar o Octave para esbocar os gracos.
10. a) A(4,
2
3
, 3)
b) B(4,

6
, 1)
c) C(1,

2
, 3)
d) D(4, 0, 1)
e) (5,
5
3
, 3)
f) r
2
3z = 0
g) r
4
= z
2
r
2
cos(2)
11. a) A(2, 2
3, 3)
b) B(3, 0, 1)
c) C(
5
3
2
,
5
2
, 4)
d) D(2cos(2), 2sen(2), 2)
e) z = x
2
+y
2
15
f)
x
2
+y
2
9
+
z
2
4
= 1
12. a) P(
3
2
,
3
2
, 1)
b) Q(
3
2
,
3
2
, 1)
c) R(9, 3
3, 6)
d) S(0, 0, )
e)
3x 3y = 0
f) 3z
2
= x
2
+y
2
13. r = 5
14. r
2
= z
15. P(2,
6
, 2)
16. A(2
10,
3
4
, arccos
10
10
)
17. (x + 3)
2
+ (y + 3/2)
2
+ (z 5/2)
2
= 35/2
18. 1. (Veja [8] para ter uma associacao com o que foi visto em Calculo 1.)
16
Captulo 2
Matrizes
2.1 Denicao
Uma matriz de ordem mn sobre um corpo
1
F e uma aplicac ao do conjunto X dado
por X = (i, j) N N : 1 i m, 1 j n em F.
Representaremos as matrizes por letras mai usculas do alfabeto latino.
Exemplo 1. A aplicac ao A : X R, onde X = (i, j) N N : 1 i 3, 1 j 2
denida por A(1, 1) = 7, A(1, 2) = 1, A(2, 1) = 5, A(2, 2) = 0, A(3, 1) = 1 e A(3, 2) =
3 e uma matriz de ordem 2 3 sobre o corpo R.
Exemplo 2. A aplicac ao I : X R, onde X = (i, j) N N : 1 i 3, 1 j 3
denida por I(i, j) =
_
_
_
1 , i = j
0 , i ,= j
e uma matriz sobre R.
Notacao: Para facilitar os calculos que envolverao matrizes, em exerccios futuros,
iremos representar uma matriz A de ordem mn dispondo suas imagens (A(i, j)) em
uma tabela composta de m linhas e n colunas, ladeadas por colchetes. Cabendo a trans-
1
Corpo e uma terna (F, +, .), que satisfaz as seguintes propriedades:(A1)(x+y)+z = x+(y+z),(A2)x+
y = y + x,(A3)x + 0 = x,(A4)x + (x) = 0, (M1)(xy)z = x(yz),(M2)xy = yx,(M3)x.1 = x,(M4)Para
todo x ,= 0 existe y F tal que xy = 1(D)x(y + z) = xy + xz.
17
formada do par (i, j) a i-esima linha e a j-esima coluna da tabela, cando assim a matriz
A representada genericamente por:
A
mn
=
_
_
_
_
_
_
_
_
a
11
a
12
a
1n
a
21
a
21
a
2n
.
.
.
.
.
.
.
.
.
a
m1
a
m2
a
11
a
mn
_
_
_
_
_
_
_
_
= [a
ij
]
mn
Exerccios:
Escreva em forma de tabela as seguintes matrizes:
1. A
23
= [a
ij
] onde a
ij
= i
2
j
2. B
33
= [b
ij
] onde b
ij
=
_
_
_
1 , i = j
0 , i ,= j
3. C
31
= [c
ij
] onde c
ij
= i + j
4. D
14
= [d
ij
] onde d
ij
=
_
_
_
i , i = j
j , i ,= j
2.2 Tipos de matrizes
Existem matrizes que em determinados problemas tem forma ou propriedades especi-
ais, dentre essas matrizes podemos citar:
2.2.1 Matriz quadrada
Uma matriz A
mn
e dita quadrada quando m = n.
Exemplo: A =
_
_
_
_
_
1 3 0
5 2
0 8 3
_
_
_
_
_
18
2.2.2 Matriz nula
Uma matriz A
mn
e chamada de matriz nula quando todos os seus elemento sao iguais
a zero, isto e, a
ij
= 0, i e j.
Exemplo: A =
_
_
_
_
_
_
_
_
0 0 0
0 0 0
0 0 0
0 0 0
_
_
_
_
_
_
_
_
2.2.3 Matriz coluna
Uma matriz A
mn
e chamada de matriz coluna quando possuir somente uma coluna,
ou seja, n = 1.
Exemplo: A =
_
_
_
_
_
_
_
_
1
6
_
_
_
_
_
_
_
_
2.2.4 Matriz linha
Uma matriz A
mn
e chamada de matriz linha quando possuir somente uma linha, ou
seja, m = 1.
Exemplo: A =
_
1 5 2 3
_
2.2.5 Matriz diagonal
E uma matriz quadrada (m = n) onde a

ij
= 0 para todo i ,= j, isto e, os elementos
que nao estao na diagonal principal
2
sao nulos.
Exemplo: A =
_
_
_
_
_
1 0 0
0
3 0
0 0 3
_
_
_
_
_
, B =
_
_
0 0
0 1
_
_
2
A diagonal principal e formada pelos elementos a
ij
em que i = j.
19
2.2.6 Matriz tridiagonal
Uma matriz quadrada A e chamada de tridiagonal se os seus elementos sao nulos,
exceto aqueles que se encontram sobre a diagonal principal e sobre as diagonais imediata-
mente adjacentes.
Exemplo: A =
_
_
_
_
_
_
_
_
_
_
_
1 5 0 0 0
2 8 1 0 0
0 1 3 4 0
0 0 6 9 5
0 0 0 1 2
_
_
_
_
_
_
_
_
_
_
_
2.2.7 Matriz identidade

ij
=
_
_
_
1 , i = j
0 , i ,= j
, isto e, os elementos da
diagonal principal sao iguais a 1 e os que nao estao na diagonal principal sao nulos. As
matrizes identidades de ordem mn serao denotadas por I
n
.
Exemplo: I
3
=
_
_
_
_
_
1 0 0
0 1 0
0 0 1
_
_
_
_
_
, I
2
=
_
_
1 0
0 1
_
_
2.2.8 Matriz escalar

ij
=
_
_
_
k , i = j
0 , i ,= j
, isto e, os elementos da
diagonal principal sao iguais a um elemento k e os que nao estao na diagonal principal
sao nulos.
Exemplo: E =
_
_
_
_
_
3 0 0
0 3 0
0 0 3
_
_
_
_
_
2.2.9 Matriz triangular superior

ij
= 0 para todo i > j, ou seja, e uma matriz
quadrada na qual os elementos que estao abaixo da diagonal principal sao iguais a zero.
20
Exemplo: S =
_
_
_
_
_
3 2 5
0 2 4
0 0
_
_
_
_
_
2.2.10 Matriz triangular inferior

ij
= 0 para todo i, j, ou seja, e uma matriz
quadrada na qual os elementos que estao acima da diagonal principal sao iguais a zero.
Exemplo: T =
_
_
_
_
_
3 0 0
7 2 0
5 2
_
_
_
_
_
2.2.11 Matriz simetrica

ij
= a
ji
para todo i e j.
Exemplo: S =
_
_
_
_
_
_
_
_
3 5 0 9
5 2 2 8
0 2 4
9 8 4 3
_
_
_
_
_
_
_
_
2.2.12 Matriz antisimetrica

ij
= a
ji
para todo i e j.
Exemplo: A =
_
_
_
_
_
_
_
_
0 5 0 9
5 0 2 8
0 2 0 4
9 8 4 0
_
_
_
_
_
_
_
_
2.2.13 Matriz conjugada
Considere A
mn
uma matriz complexa, isto e, seus elementos [a
ij
] sao n umeros com-
plexos, chama-se matriz conjugada de A à matriz A
= [a
ij
], onde a
ij
e o conjugado
complexo de a
ij
.
21
Propriedade:
i) (A
= A
2.2.14 Matriz esparsa
E uma matriz que e formada por poucos elementos nao nulos.

Exemplo: T =
_
_
_
_
_
3 0 0 0 0
0 2 0 7 0
0 0 0 0 1
_
_
_
_
_
E importante citar que existira uma grande economia computacional se somente os

elementos nao nulos da matriz forem armazenados.
2.2.15 Matriz diagonalmente dominante
E uma matriz A onde e diagonalmente dominante se [a

i,i
[ >
n
j=1,j=i
[a
ij
, i = 1, 2, . . . , n,
isto e, o modulo do elemento da matriz na diagonal principal e maior que a soma dos
modulos de todos os demais valores (nao-diagonais) daquela linha.
Exemplo: T =
_
_
_
_
_
13 0 2
7 9 0
5 2 8
_
_
_
_
_
2.3 Operac oes com matrizes
2.3.1 Igualdade de matrizes
Duas matrizes A
mn
= [a
ij
] e B
mn
= [b
ij
] serao iguais, denotado por A = B, se
a(i, j) = b(i, j) para todo 1 i m e 1 j n.
22
Exemplo: As matrizes A =
_
_
_
_
_
0 5 1
5 0 2
4 2 0
_
_
_
_
_
e B =
_
_
_
_
_
0 x 1
5 0 y
z 2 0
_
_
_
_
_
serao iguais se
x = 5, y = 2 e z = 4.
2.3.2 Adicao de matrizes
Denicao: Dadas as matrizes A
mn
= [a
ij
] e B
mn
= [b
ij
] chama-se adicao de A com
B, denotado por A+B, à matriz C
mn
= [c
ij
] tal que c
ij
= a
ij
+b
ij
para todo 1 i m
e 1 j n.
Exemplo: Sejam A =
_
_
_
_
_
0 5 1 9
5 0 2 8
4 2 0 2
_
_
_
_
_
e B =
_
_
_
_
_
1 1 1 3
2 3 1 4
1 5 1 1
_
_
_
_
_
, entao,
A + B =
_
_
_
_
_
0 + 1 5 + 1 1 + (1) 9 + 3
5 + 2 0 + 3 2 + 1 8 + 4
4 + (1) 2 + 5 0 + 1 2 + 1
_
_
_
_
_
=
_
_
_
_
_
1 4 0 12
3 3 3 12
3 7 1 1
_
_
_
_
_
.
Note que a adic ao de matrizes somente esta denida quando a matrizes a serem so-
madas possurem a mesma ordem.
Propriedades: Sejam as matrizes A
mn
, B
mn
e C
mn
, ent ao:
i) A + B = B + A (propriedade comutativa)
ii) A + (B + C) = (A +B) + C (propriedade associativa)
iii) A+0 = A (existencia do elemento neutro), onde 0 e a matriz nula de ordem mn.
iv) (A + B)
= A
+ B
2.3.3 Multiplicacao por escalar

23
Denicao: Sejam uma matriz A
mn
= [a
ij
] e um escalar k. Chama-se multiplicac ao
do escalar k pela matriz A, denotado por kA, à matriz P
mn
= [p
ij
] tal que p
ij
= k a
ij
para todo 1 i m e 1 j n.
Exemplo: Sejam A =
_
_
2 1 1 2
3 0 1 5
_
_
e k = 2, entao:
2A =
_
_
2 2 2 (1) 2 1 2 2
2 3 2 0 2 (1) 2 5
_
_
=
_
_
4 2 2 4
6 0 2 10
_
_
mn
e B
mn
e os escalares a e b, ent ao:
i) a(A + B) = aA + aB (propriedade distributiva em relac ao à soma de matrizes)
ii) (a +b)A = aA + bA (propriedade distributiva em relac ao à soma de escalares)
iii) a(bA) = (ab)A
iv) a0 = 0
v) 0A = 0
vi) A + (A) = 0
vii) (1)A = A
viii) (A)

mn
= [a
ij
] e B
mn
= [b
ij
] chama-se diferenca de A
com B, nesta ordem, denotado por A B, como A B = A + (B).
Exemplo: Sejam A =
_
_
_
_
_
0 2 1
3 1 1
2 2 4
_
_
_
_
_
e B =
_
_
_
_
_
2 1 3
0 5 1
1 1 4
_
_
_
_
_
, entao,
A B =
_
_
_
_
_
0 2 2 + 1 1 3
3 0 1 5 1 1
2 1 2 + 1 4 4
_
_
_
_
_
=
_
_
_
_
_
2 1 4
3 4 0
1 1 0
_
_
_
_
_
.
24
2.3.4 Transposicao
Denicao: Dada uma matriz A
mn
= [a
ij
] chama-se transposta de A, denotada por
A
T
, à matriz A
T
= [b
ij
]
nm
tal b
ij
= a
ji
.
mn
e B
mn
e o escalar k, entao:
i) (A + B)
T
= A
T
+ B
T
ii) (A
T
)
T
= A
iii) (kA)
T
= k.A
T
Denicao: Uma matriz complexa A
mn
= [a
ij
] e chamada de hermitiana ou auto
adjunta se A
= A, onde A
e a transposta da matriz conjugada de A (A
= (A)
T
).
Exerccios:
1. Determine a matriz transposta de:
a) D
14
= [d
ij
] onde d
ij
=
_
_
_
i , i = j
j , i ,= j
b) I
33
= [i
ij
] onde i
ij
=
_
_
_
i , i = j
0 , i ,= j
c) E
32
= [e
ij
] onde e
ij
=
_
_
_
i + j , i = j
1 j , i ,= j
2. Resolva a equac ao matricial
_
_
x y
8 z
_
_
=
_
_
3 x + 1
8 x + y
_
_
3. Determine x e y em
_
_
x 2
1 0
_
_
+
_
_
1 7
2 3
_
_
=
_
_
7 y
5 3
_
_
4. Dadas as matrizes A =
_
_
y + 4 2
9 x
2
+ 4
_
_
e B =
_
_
12 2
9 53
_
_
calcular x e y de
modo que A = B.
25
_
_
_
_
_
2 3 8
5 9 6
7 4 1
_
_
_
_
_
, B =
_
_
_
_
_
3 7 1
4 2 5
0 9 4
_
_
_
_
_
e C =
_
_
_
_
_
7 8 3
4 3 2
9 5 1
_
_
_
_
_
.
Calcular:
a) A + B
b) C A
c) 3A 2B + 4C
6. Forneca um exemplo de uma matriz de ordem 3 3 que seja antisimetrica. (nota:
uma matriz e dita antisimetrica se A
T
= A)
7. Seja A =
_
_
_
_
_
a b c
d e f
g h i
_
_
_
_
_
. Calcule:
a) A A
T
b) A + A
T
_
_
1 2
4 2
_
_
, B =
_
_
2 2
5 0
_
_
e C =
_
_
0 1
2 1
_
_
, deter-
mine X tal que 3X + B = 2A C.
_
_
1 0
4 2
_
_
e B =
_
_
0 2
2 1
_
_
resolva o sistema
_
_
_
2X + Y = 3A B
X 2Y = 5A + 2B
.
2.3.5 Multiplicacao de matrizes
26
mn
= [a
ij
] e B
np
= [b
jk
] dene-se o produto das
matrizes A por B nesta ordem, denotado por AB, à matriz C
mp
= [c
ik
] com
c
ik
=
n
j=1
a
ij
b
jk
(2.1)
Exemplo 1. Efetue o produto AB onde A =
_
_
2 1
1 3
_
_
e B =
_
_
4 2 0
5 1 3
_
_
.
A ordem da matriz produto C = A
22
B
23
e C
23
, ou seja, C =
_
_
c
11
c
12
c
13
c
21
c
22
c
23
_
_
.
Utilizando a denicao de produto matricial dada em 2.1 c
ik
=
n
j=1
a
ij
b
jk
, tem-se:
c
11
=
2
j=1
a
1j
b
j1
= a
11
b
11
+ a
12
b
21
= 2 4 + (1) 5 = 8 5 = 3
c
12
=
2
j=1
a
1j
b
j2
= a
11
b
12
+ a
12
b
22
= 2 2 + (1) 1 = 4 1 = 3
c
13
=
2
j=1
a
1j
b
j3
= a
11
b
13
+ a
12
b
23
= 2 0 + (1) 3 = 0 3 = 3
c
21
=
2
j=1
a
2j
b
j1
= a
21
b
11
+ a
22
b
21
= 1 4 + 3 5 = 4 + 15 = 19
c
22
=
2
j=1
a
2j
b
j2
= a
21
b
12
+ a
22
b
22
= 1 2 + 3 1 = 2 + 3 = 5
c
23
=
2
j=1
a
2j
b
j3
= a
21
b
13
+ a
22
b
23
= 1 0 + 3 3 = 0 + 9 = 9
Assim C = AB =
_
_
3 3 3
19 5 9
_
_
.
Exemplo 2. Sejam as matrizes A
235
= [a
ij
] e B
512
= [b
ij
], em que a
ij
=
_
_
_
0, se i ,= j
i, se i = j
e b
ij
=
_
_
_
1, se i ,= j
i
2
, se i = j
, determine o elemento c
34
da matriz produto AB.
27
Empregando a denic ao de produto matricial dada em 2.1 c
ik
=
n
j=1
a
ij
b
jk
, escreve-se:
c
34
=
5
j=1
a
3j
b
j4
= a
31
b
14
+ a
32
b
24
+a
33
b
34
+a
34
b
44
+ a
35
b
54
= 0 1 + 0 1 + 3 1 + 0 4
2
+ 0 1 = 3
Denicao: Se A e uma matriz quadrada escreve-se A
2
= A A, A
3
= A A A e
assim por diante. Considera-se A
0
= I e A
1
= A.
Exemplo 3. Dada a funcao f : R
22
R
22
tal que f(x) = x
2
3x + 2. Determine
f(A) para A =
_
_
1 0
4 2
_
_
.
3
f(A) = A
2
3A + 2I
f(A) = A A 3A + 2I
f(A) =
_
_
1 0
4 2
_
_
_
_
1 0
4 2
_
_
3
_
_
1 0
4 2
_
_
+ 2
_
_
1 0
0 1
_
_
f(A) =
_
_
1 0
12 4
_
_
_
_
3 0
12 6
_
_
+
_
_
2 0
0 2
_
_
f(A) =
_
_
0 0
0 0
_
_
Observac oes sobre o produto matricial
a) A associatividade.
Sejam A, B e C matrizes tais que os seguintes produtos existam, entao A(BC) =
(AB)C.
b) A nao comutatividade.
3
R
22
e o conjunto de todas as matrizes reais de ordem 2 2 e, f : R
22
R
22
e uma funcao com
domnio e contra-domnio iguais a R
22
.
28
Se as matrizes A e B sao tais que AB = BA dizemos que A e B comutam, por
exemplo:
As matrizes A =
_
_
2 5
3 4
_
_
e B =
_
_
1 0
0 1
_
_
comutam.
Porem A =
_
_
2 5
3 4
_
_
e B =
_
_
1 1
0 1
_
_
nao comutam.
Consequentemente dizemos o produto de matrizes nao e comutativo, uma vez que
nao se tem AB = BA para todas as matrizes A e B.
c) A distributividade em relac ao à adicao.
Sendo A, B e C matrizes de ordens convenientes, ent ao:
A(B + C) = AB +AC (distributividade à direita)
(B + C)A = BA +CA (distributividade à esquerda)
c) A lei do cancelamento.
Uma igualdade X = Y , com X e Y matrizes de ordem mn, pode ser multiplicada
à esquerda por uma matriz P
pm
, obtendo PX = PY . Analogamente poderamos
multiplicar ambos os membros da igualdade X = Y à direita por uma matriz Q
nq
chegando a XQ = Y Q.
Ja a reciproca nao e valida, isto e, se XQ = Y Q nao implica em X = Y , analoga-
mente PX = PY tambem nao implica em X = Y . Tambem AB = 0 nao implica
em termos A = 0 ou B = 0.
Isto e a lei do cancelamento para matrizes nao e valida.
Teorema : Se A
mn
e B
np
entao (AB)
T
= B
T
A
T
.
Demonstracao:
Escreva A = [a
ij
]
mn
e B = [b
jk
]
np
. O elemento c
ik
de AB e dado por c
ik
=
n
j=1
a
ij
b
jk
.
Considere c
ik
como o elemento generico de (AB)
T
, assim c
ik
=
n
j=1
a
kj
b
ji
. Mas o elemento
b
ij
de B
T
e b
ij
= b
ji
, logo o elemento c
ik
de B
T
A
T
e c
ik
=
n
j=1
b
ij
a
jk
=
n
j=1
b
ji
a
kj
, logo
c
ik
de (AB)
T
o mesmo elemento c
ik
de B
T
A
T
.
29
Denicao: Uma matriz A
mm
= [a
ij
] e chamada de idempotente se A
2
= A.
Denicao: Uma matriz A
mm
= [a
ij
] e chamada de nilpotente de ndice k se A
k
= 0
e A
k1
,= 0, sendo k um inteiro positivo.
2.3.6 Matrizes em blocos
Uma matriz A pode-se particionada em matrizes menores chamadas blocos ou celas.
A matriz A assim escrita e chamada matriz em blocos.
Exemplo:
A matriz A =
_
_
_
_
_
2 3 1 0 0
1 3 1 0 0
1 2 1 4 7
_
_
_
_
_
pode ser particionada em blocos, por exemplo,
como A =
_
_
_
_
_
2 3 1 0 0
1 3 1 0 0
1 2 1 4 7
_
_
_
_
_
=
_
_
X Y
Z W
_
_
, onde X =
_
_
2 3 1
1 3 1
_
_
, Y =
_
_
0 0
0 0
_
_
, Z =
_
1 2 1
_
e W =
_
4 7
_
.
A vantagem da particao de uma matriz em blocos, vem do fato que as operac oes sobre
matrizes em blocos pode se feito operando-se os blocos, como se fossem elementos das
matrizes.
Sejam as matrizes de blocos A =
_
_
_
_
_
_
_
_
A
11
A
12
A
1p
A
21
A
22
A
2p

A
m1
A
m2
A
mp
_
_
_
_
_
_
_
_
, B =
_
_
_
_
_
_
_
_
B
11
B
12
B
1n
B
21
B
22
B
2n

B
p1
B
p2
B
pn
_
_
_
_
_
_
_
_
e C =
_
_
_
_
_
_
_
_
C
11
C
12
C
1p
C
21
C
22
C
2p

C
m1
C
m2
C
mp
_
_
_
_
_
_
_
_
, entao:
30
a) kA =
_
_
_
_
_
_
_
_
kA
11
kA
12
kA
1p
kA
21
kA
22
kA
2p

kA
m1
kA
m2
kA
mp
_
_
_
_
_
_
_
_
b) A + C =
_
_
_
_
_
_
_
_
A
11
+ C
11
A
12
+ C
12
A
1p
+ C
1p
A
21
+ C
21
A
22
+ C
22
A
2p
+ C
2p

A
m1
+ C
m1
A
m2
+ C
m2
A
mp
+ C
mp
_
_
_
_
_
_
_
_
c) AB =
_
_
_
_
_
_
_
_
Q
11
Q
12
Q
1n
Q
21
Q
22
Q
2n

Q
m1
Q
m2
Q
mn
_
_
_
_
_
_
_
_
, em que Q
ij
= A
i1
B
1j
+A
i2
B
2j
+ + A
ip
B
pj
Exemplo: Empregando matrizes de blocos efetue AB, onde A =
_
_
_
_
_
_
_
_
2 3 0 0 0
1 3 0 0 0
0 0 1 4 7
0 0 1 1 2
_
_
_
_
_
_
_
_
,
B =
_
_
_
_
_
_
_
_
_
_
_
2 3 0 0
1 3 0 0
1 2 0 0
0 0 1 1
0 0 2 1
_
_
_
_
_
_
_
_
_
_
_
.
AB =
_
_
_
_
_
_
_
_
2 3 0 0 0
1 3 0 0 0
0 0 1 4 7
0 0 1 1 2
_
_
_
_
_
_
_
_
.
_
_
_
_
_
_
_
_
_
_
_
2 3 0 0
1 3 0 0
1 2 0 0
0 0 1 1
0 0 2 1
_
_
_
_
_
_
_
_
_
_
_
=
31
AB =
_
_
_
_
_
_
_
_
2 3 0 0 0
1 3 0 0 0
0 0 1 4 7
0 0 1 1 2
_
_
_
_
_
_
_
_
.
_
_
_
_
_
_
_
_
_
_
_
2 3 0 0
1 3 0 0
1 2 0 0
0 0 1 1
0 0 2 1
_
_
_
_
_
_
_
_
_
_
_
=
_
_
X Y Z
W R T
_
_
_
_
_
_
_
E
F
G
_
_
_
_
_
=
_
_
X.E + Y.F +Z.G
W.E + R.F + T.G
_
_
=
_
_
X.E +0 +0
0 + R.F +T.G
_
_
=
_
_
X.E
R.F + T.G
_
_
=
_
_
X.E
R.F
_
_
+
_
_
0
T.G
_
_
=
_
_
_
_
_
_
_
_
4 + 3 6 9 0 0
2 3 3 + 9 0 0
1 2 4 4
1 2 1 1
_
_
_
_
_
_
_
_
+
_
_
_
_
_
_
_
_
0 0 0 0
0 0 0 0
0 0 14 7
0 0 4 2
_
_
_
_
_
_
_
_
=
_
_
_
_
_
_
_
_
7 15 0 0
5 12 0 0
1 2 18 3
1 2 5 1
_
_
_
_
_
_
_
_
Exerccios
1. Verique se o produto A.A
T
e uma matriz simetrica, sendo A =
_
_
_
_
_
2 3 1
1 3 1
1 2 1
_
_
_
_
_
_
_
_
_
_
4 5
3 7
2 4
_
_
_
_
_
e B =
_
_
4 6 3
3 5 8
_
_
. Calcule (AB)
T
e
B
T
A
T
vericando a igualdade (AB)
T
= B
T
A
T
3. Verdadeiro ou falso? Se a armacao for verdadeira prove, caso falsa de um con-
32
traexemplo.
a) A matriz nula O
33
e uma matriz diagonal.
b) A matriz identidade I
33
e triangular inferior.
c) Toda matriz escalar e triangular superior.
d) O produto de duas matrizes quadradas sempre existe.
e) Existem matrizes quadradas nao nulas que elevadas ao quadrado resultam na
matriz nula.
f) AX = AY implica em X = Y para qualquer matriz A.
g) (A B)(A + B) = A
2
B
2
h) Se A e uma matriz triangular superior ent ao A
T
e triangular inferior.
i) Seja A
nn
entao AA
T
e simetrica.
j) O produto de matrizes triangulares inferiores (superiores) de mesma ordem e
outra matriz triangular inferior (superior) de mesma ordem.
k) (A + B)
2
= (A + B)(A + B)
l) Uma matriz escalar de ordem m m comuta com todas as matrizes de ordem
mm.
4. De um exemplo de uma matriz nilpotente de ndice 4.
5. Determine X na equac ao matricial AXB = C, sabendo que PA = BQ = I.
6. Dada a func ao f : 1
22
1 tal que f(x) = 2x
2
x + 4. Calcule f(A) sendo
_
_
1 2
3 1
_
_
7. Uma rede de comunicacao tem cinco locais com transmissores de potencias distin-
tas. Estabelecemos que a
ij
= 1, na matriz a seguir, signica que a estac ao i pode
transmitir diretamente à estac ao j, e a
ij
= 0 signica que a transmissao da estac ao
33
i nao alcanca a estacao j.
A =
_
_
_
_
_
_
_
_
_
_
_
0 1 1 1 1
1 0 1 1 0
0 1 0 1 0
0 0 1 0 1
0 0 0 1 0
_
_
_
_
_
_
_
_
_
_
_
a) Qual o signicado da diagonal principal ser nula.
b) Calcule B = A
2
c) Qual o signicado do elemento b
13
= 2 em A
2
d) Qual o signicado da matriz A
2
8. Existem tres marcas de automoveis disponveis no mercado: o Jacare, o Piranha e
o Urubu. O termo a
ij
da matriz A, a seguir, e a probabilidade de que um dono de
carro da linha i mude para o carro da coluna j, quando comprar um carro novo.
_
_
_
_
_
0.7 0.2 0.1
0.3 0.5 0.2
0.4 0.4 0.2
_
_
_
_
_
a) Qual o signicado da diagonal principal ser nula.
b) Calcule A
2
c) Qual o signicado da matriz A
2
9. Determine A
n
, para:
(a) A =
_
_
1 0
0 2
_
_
(b) B =
_
_
_
_
_
1 0 0
0 1 0
0 0 3
_
_
_
_
_
(c) R =
_
_
cos(x) sen(x)
sen(x) cos(x)
_
_
10. Determine, se existir, uma matriz A tal que:
34
a) A
2
=
_
_
5 4
6 5
_
_
b) A
2
=
_
_
0 1
0 0
_
_
11. Determine todas as matrizes A
22
tais que AB = BA para B =
_
_
2 0
1 1
_
_
12. Dada uma matriz A
nn
= [a
ij
], ent ao o traco de A, denotado tr(A), e denido como
a soma de todos os elementos da diagonal principal de A, isto e, tr(A) =
i=n
i=1
a
ii
.
Mostre que:
a) tr(A + B) = tr(A) + tr(B).
b) tr(A
T
) = tr(A)
c) tr(A
T
A) 0
13. Calcule o traco de uma matriz escalar de ordem n n.
14. Se A e uma matriz n n e A
4
= 0, verique que (I
n
A)
1
= I
n
+ A + A
2
+ A
3
.
15. Sendo A =
_
_
2 0
0 3
_
_
calcule A
2
, A
3
, A
n
.
16. Seja A =
_
_
_
1
1
2
0
1
3
_
_
_
. Usando o Octave, calcule a sequencia A, A
2
, A
3
, . . . , A
n
, . . .
. Descreva o comportamento dessa sequencia matricial.
17. Uma matriz real simetrica A e positiva denida de para todo vetor (coluna) x
tem-se x
T
Ax e positivo. Verique se as matrizes A =
_
_
_
_
_
1 0 2
0 2 2
2 2 7
_
_
_
_
_
, B =
_
_
_
_
_
1 0 1
0 1 2
1 2 3
_
_
_
_
_
e C =
_
_
_
_
_
4 2 12
2 10 3
12 3 41
_
_
_
_
_
sao positiva denidas.
35
18. Uma matriz real S e ortogonal se S
T
S = SS
T
= I. Mostre que S =
_
_
_
_
_
1/9 8/9 4/9
4/9 4/9 7/9
8/9 1/9 4/9
_
_
_
_
_
e ortogonal.
19. Descreva como determinariamos somente o elemento p
7,4
da matriz P = AB, onde
A
2312
e B
129
.
20. Considere a matriz S =
_
_
_
_
_
2 1 1
1 2 1
1 1 2
_
_
_
_
_
, mostre que S
n+1
= 3
n
S para todo n
inteiro positivo.
21. Encontre todas as matrizes
_
_
x y
z t
_
_
que comutam com
_
_
1 1
0 1
_
_
.
22. Verique se a matriz X =
_
_
_
_
_
1
2
1
_
_
_
_
_
e solucao da equac ao matricial AX = 2X com
A =
_
_
_
_
_
3 2 0
2 3 0
0 5 5
_
_
_
_
_
.
23. Determine uma matriz nao nula de ordem 2 2 tal que B
2
= 0.
24. Resolva o sistema de equac oes
_
_
_
X + Y = A + B
X Y = A +C
, em que A =
_
_
_
_
_
3 2
2 3
0 5
_
_
_
_
_
,
B =
_
_
_
_
_
0 0
3 0
5 5
_
_
_
_
_
e C =
_
_
_
_
_
1 2
2 1
4 2
_
_
_
_
_
.
25. Prove que se A e B sao matrizes simetricas ent ao AB sera simetrica se e somente
se AB = BA.
26. Calcule AB sendo A =
_
_
_
_
_
_
_
_
2 3 0 0 0 0
1 3 0 0 0 0
0 0 0 1 4 7
0 0 0 1 1 2
_
_
_
_
_
_
_
_
e B =
_
_
_
_
_
_
_
_
2 3 0 0
1 3 0 0
0 0 1 4
0 0 1 1
_
_
_
_
_
_
_
_
.
36
27. Dada a matriz A =
_
_
1 2
3 6
_
_
. Determine uma matriz nao nula B
23
tal que
AB = 0.
28. Conrme as respostas encontradas utilizando o software Octave.
2.4 Matriz inversa
Denicao: Dada uma matriz A
mn
, dizemos que uma matriz G
nm
e uma inversa
à esquerda da matriz A se e somente se GA = I. Analogamente H
nm
e uma inversa à
direita de A se AH = I.
Exemplo: Determine, se existirem, as inversas à esquerda e à direita da matriz A =
_
_
1 0 2
1 1 1
_
_
(i) Inversa à esquerda (G):
Como a matriz A possui ordem 2 3 a matriz inversa à esquerda, caso exista, tera
ordem 3 2, assim considere:
G =
_
_
_
_
_
a b
c d
e f
_
_
_
_
_
, tal que GA = I, ou ainda:
_
_
_
_
_
a b
c d
e f
_
_
_
_
_
_
_
1 0 2
1 1 1
_
_
=
_
_
_
_
_
1 0 0
0 1 0
0 0 1
_
_
_
_
_
37
_
_
a b = 1
b = 0
2a + b = 0
c d = 0
d = 1
2c + e = 0
e f = 1
f = 0
2e + f = 0
,
que e um sistema de equac oes lineares incompatvel, assim, a matriz A nao possui inversa
à esquerda.
(ii) Inversa à direita (H):
Como a matriz A possui ordem 23 a matriz inversa à direita, caso exista, tera ordem
3 2, assim considere:
H =
_
_
_
_
_
a b
c d
e f
_
_
_
_
_
, tal que GA = I, ou ainda:
_
_
1 0 2
1 1 1
_
_
_
_
_
_
_
a b
c d
e f
_
_
_
_
_
=
_
_
1 0
0 1
_
_
_
_
a + 2e = 1
b + 2f = 0
a + c + e = 0
b + d + f = 1
=
=
a = 1 2e
b = 2f
Substituindo as duas ultimas igualdades nas equac oes (3) e (4) iniciais, vem:
_
_
a = 1 2e
b = 2f
(1 2e) + c + e = 0 c = 1 3e
2f + d +f = 0 d = f
e R
f R
Como o sistema apresentou-se indeterminado, existem varias matrizes inversas à dire-
ita da matriz A e, escreve-se:
38
H =
_
_
_
_
_
1 2e 2f
1 3e f
e f
_
_
_
_
_
Veja que a medida que forem atribudos valores aos parametros e e f, serao obtidas
as diversas matrizes inversas à direita.
Teorema: Se existirem inversas à esquerda e à direita de uma matriz quadrada A elas
serao iguais e essa inversa sera unica.
demonstracao: Sejam G e H as inversas de A à esquerda e à direita, respectivamente,
assim GA = I e AH = I. Mas G = G.I = G(AH) = (GA)H = I.H = H. Para provar
a unicidade suponha que exista G
que tambem seja uma inversa à esquerda de A, logo

como feito anteriormente chega-se a G
= H ent ao G
= G, ou seja a inversa e unica.

Teorema: Seja A
mn
uma matriz retangular, m ,= n. Se m < n A nao possui inversa
à esquerda e se m > n A nao possuira inversa à direita.
Observac ao. Veja que o teorema acima nada arma com respeito a existencia de uma
matriz inversa, somente arma que em determinado lado nao haver a inversa.
Denicao: Se existirem inversas à esquerda e à direita de uma matriz A ela sera dita
inversvel, regular ou nao singular e essa inversa ( unica) sera denotada por A
1
.
Teorema: Uma matriz e inversvel se e somente se for quadrada e seu determinante
for diferente de zero.
Teorema: Se A e B forem matrizes inversveis, ent ao:
i) (A
1
)
1
= A
ii) (A
T
)
1
= (A
1
)
T
iii) (AB)
1
= B
1
A
1
iv) Para todo k R a matriz k.A e inversvel e (k.A)
1
=
1
k
A
1
v) A
n
= (A
1
)
n
= A
1
.A
1
A
1
Prova:
39
(i) (A
1
)
1
= X (A
1
)(A
1
)
1
= A
1
X I = A
1
X A = X.
Propriedades: Se A e B forem matrizes inversveis, entao:
i) Se A e uma matriz inversvel, ent ao A.A
T
e A
T
.A sao tambem inversveis.
ii) Se A e uma matriz simetrica inversvel, ent ao A
1
e simetrica.
iii) A inversa de uma matriz triangular inferior e uma matriz triangular inferior.
iv) A inversa de uma matriz triangular superior e uma matriz triangular superior.
2.4.1 Equivalencia de matrizes
Denicao: Chamam-se operac oes elementares por linhas de uma matriz A = [a
ij
] de
ordem mn:
op.1) A permuta de duas linhas de A.
op.2) A multiplicacao de uma linha por um escalar nao nulo.
op.3) A substituicao de uma linha pela sua soma com outra linha premultiplicada por
um escalar.
Denicao: Uma matriz B diz-se equivalente por linhas a uma matriz A se e somente
se puder ser obtida, a partir de A, mediante a aplicac ao de um n umero nito de operac oes
elementares sobre as linhas de A.
Exemplo. Dada a matriz A =
_
_
_
_
_
1 2 1
1 1 3
1 1 0
_
_
_
_
_
determine uma matriz T, triangular
superior que seja equivalente por linhas a A.
Como foi pedido para se determinar uma matriz equivalente por linhas à matriz A,
basta escalonar, por linhas a matriz A ate obter-se uma matriz triangular superior.
_
_
_
_
_
1 2 1
1 1 3
1 1 0
_
_
_
_
_
L
2
L
2
+ L
1

_
_
_
_
_
1 2 1
0 3 2
1 1 0
_
_
_
_
_
40
_
_
_
_
_
1 2 1
0 3 2
1 1 0
_
_
_
_
_
L
3
L
3
L
1

_
_
_
_
_
1 2 1
0 3 2
0 3 1
_
_
_
_
_
_
_
_
_
_
1 2 1
0 3 2
0 3 1
_
_
_
_
_
L
3
L
3
+L
2

_
_
_
_
_
1 2 1
0 3 2
0 0 3
_
_
_
_
_
Logo B =
_
_
_
_
_
1 2 1
0 3 2
0 0 3
_
_
_
_
_
e uma matriz triangular superior equivalente por linhas à
matriz A.
Exemplo. Idem para A =
_
_
_
_
_
2 1 2
1 1 0
3 2 2
_
_
_
_
_
_
_
_
_
_
2 1 2
1 1 0
3 2 2
_
_
_
_
_
L
1
L
2

_
_
_
_
_
1 1 0
2 1 2
3 2 2
_
_
_
_
_
_
_
_
_
_
1 1 0
2 1 2
3 2 2
_
_
_
_
_
L
2
L
2
2L
1
L
3
L
3
3L
1
_
_
_
_
_
1 1 0
0 1 2
0 1 2
_
_
_
_
_
_
_
_
_
_
1 1 0
0 1 2
0 1 2
_
_
_
_
_
L
3
L
3
L
2

_
_
_
_
_
1 1 0
0 1 2
0 0 0
_
_
_
_
_
e, C =
_
_
_
_
_
1 1 0
0 1 2
0 0 0
_
_
_
_
_
e uma matriz triangular superior equivalente por linhas à
matriz A.
Observac ao:

E importante observar que as operac oes elementares op.1 e op.2 nos
fornecem outra operac ao, nao elementar, mas que pode ser de muita utilidade:
L
i
cL
i
+ dL
j
41
Denicao: Uma matriz mn e dita escalonada, ou em forma de escada, se:
a) As linhas nulas ocorrem depois das linhas nao nulas.
b) Se o primeiro nao nulo de uma linha ocorrer na coluna k ent ao o primeiro elemento
nao nulo da linha seguinte devera estar depois da coluna k.
Denicao: Chama-se matriz escalonada reduzida por linhas a uma matriz A tal que:
a) A matriz e escalonada.
b) Cada coluna que contem o primeiro elemento nao nulo de alguma linha tem todos os
outros seua elementos iguais a zero.
c) O primeiro elento nao nulo de linha e 1.
Teorema: Toda matriz A
mn
sobre um corpo F e equivalente por linhas a uma matriz
B, escalonada reduzida por linhas.
Denicao: Chama-se matriz elementar à matriz que e obtida a partir da matriz iden-
tidade utilizando-se uma unica operacao elementar sobre as linhas da matriz identidade.
Exemplos: A =
_
_
_
_
_
1 0 0
1 1 0
0 0 1
_
_
_
_
_
, B =
_
_
1 0
0 2
_
_
sao matrizes elementares, enquanto
que C =
_
_
1 0
1 2
_
_
e D =
_
_
_
_
_
1 0 0
1 2 0
0 0 1
_
_
_
_
_
nao sao matrizes elementares.
Teorema: Matrizes elementares sao inversveis e suas inversas sao matrizes elementares
do mesmo tipo.
Teorema: Qualquer operacao elementar sobre as linhas de uma matriz A
mn
pode se
obtida multiplicando-se a matriz A pela matriz elementar E, à esquerda, onde E e obtida
aplicando-se à matriz identidade a operacao elementar desejada.
42
Exemplo:
_
_
1 0
1 1
_
_
_
_
3 5
1 2
_
_
=
_
_
3 5
4 3
_
_
e o mesmo que aplicar a operac ao
elementar L
2
L
2
+ L
1
.
Teorema:Uma matriz A
mn
e equivalente por linhas a uma matriz B
mn
se e somente
se existe uma matriz P produto de matrizes elementares, onde A = PB.
Teorema: Uma matriz A quadrada sera inversvel se e somente se for equivalente por
linhas à matriz identidade.
demonstrac ao:
() Seja A inversvel e B a matriz escalonada reduzida por linhas equivalente a A. Ent ao
existe uma matriz P, que e produto de matrizes elementares, tal que B = PA. Pelo fato
de A ser inversvel tem-se det(A) ,= 0 e como P e o produto de matrizes elementares
tem-se tambem que det(P) ,=, logo det(B) ,= o que implica que B nao possui linhas nulas
e assim B = I. Ent ao A e equivalente por linhas à matriz identidade.
Sendo A equivalente por linhas à matriz identidade, existe P, produto de matrizes
elementares, tal que I = PA. Entao det(I) = det(PA) ou ainda det(I) = det(P)det(A),
mas det(I) = 1 logo det(A) ,= 0 e assim A e inversvel.
2.4.2 Calculo da inversa empregando operacoes elementares
Como consequencia do teorema anterior pode-se escrever o seguinte algoritmo para a
determinac ao da inversa de uma matriz quadrada A.
Algoritmo: Dever a ser construda uma matriz de blocos [A
.
.
. I] e em seguida apli-
camos operac oes elementares sobre as linhas desta matriz de blocos com o objetivo de
conduzir a matriz A à matriz identidade. Assim no lugar da matriz A teremos a matriz
identidade e no lugar da matriz identidade teremos a inversa de A.
Exemplo 1. Determine, utilizando o algoritmo anterior, a inversa da matriz
_
_
_
_
_
1 0 0
1 2 0
0 0 1
_
_
_
_
_
43
_
_
_
_
_
1 0 0 1 0 0
1 2 0 0 1 0
0 0 1 0 0 1
_
_
_
_
_
L
2
L
2
L
1
_
_
_
_
_
1 0 0 1 0 0
0 2 0 1 1 0
0 0 1 0 0 1
_
_
_
_
_
L
2

L
2
2
_
_
_
_
_
1 0 0 1 0 0
0 1 0 1/2 1/2 0
0 0 1 0 0 1
_
_
_
_
_
L
2

L
2
2
A
1
=
_
_
_
_
_
1 0 0
1/2 1/2 0
0 0 1
_
_
_
_
_
Exemplo 2. Determine a matriz inversa de
_
_
_
_
_
0 1 2
1 2 1
1 3 8
_
_
_
_
_
.
_
_
_
_
_
0 1 2 1 0 0
1 2 1 0 1 0
1 3 8 0 0 1
_
_
_
_
_
L
2
L
1
_
_
_
_
_
1 2 1 0 1 0
0 1 2 1 0 0
1 3 8 0 0 1
_
_
_
_
_
L
3
L
3
+ L
1
_
_
_
_
_
1 2 1 0 1 0
0 1 2 1 0 0
0 5 9 0 1 1
_
_
_
_
_
L
1
L
1
2L
2
L
3
L
3
9L
2
_
_
_
_
_
1 0 3 2 1 0
0 1 2 1 0 0
0 0 1 5 1 1
_
_
_
_
_
L
1
L
1
3L
3
L
2
L
2
+ 2L
2
44
_
_
_
_
_
1 0 0 13 2 3
0 1 0 9 2 2
0 0 1 5 1 1
_
_
_
_
_
L
3
L
3
_
_
_
_
_
1 0 0 13 2 3
0 1 0 9 2 2
0 0 1 5 1 1
_
_
_
_
_
A
1
=
_
_
_
_
_
13 2 3
9 2 2
5 1 1
_
_
_
_
_
2.4.3 Calculo da inversa empregando matrizes de blocos
Seja A uma matriz de ordem n n da forma A =
_
_
P Q
R S
_
_
, em que P tem ordem
k k, S e de ordem (nk) (nk), Q e de ordem k (nk) e R tem ordem (nk) k.
Supondo que P
1
e conhecida ou e facilmente determinada, pode mostrar que A
1
pode
ser obtida atraves de um procedimento eciente utilizando somente A
1
.
Considere que A
1
=
_
_
X Y
Z W
_
_
, assim pode-se escrever:
_
_
P Q
R S
_
_
_
_
X Y
Z W
_
_
=
_
_
I
k
0
0 I
nk
_
_
, em que I
k
e I
nk
sao respectivamente as matrizes identidade de ordem k e nk, e tem-se
_
_
PX + QZ = I
k
(1)
PY + QW = 0 (2)
RX + SZ = 0 (3)
RY + SW = I
nk
(4)
Isolando Y na equacao (2) tem-se Y = P
1
QW que substituido em (4) resulta
W = (S RP
1
Q)
1
.
Agora a partir de (1) escreve-se X = P
1
P
1
(QZ) e levado em (3) implica em
Z = WRP
1
, assim:
45
_
_
W = (S RP
1
Q)
1
Y = P
1
QW
Z = WRP
1
X = P
1
P
1
(QZ)
.
Exemplo: Determine, empregando matrizes de blocos, a inversa de A =
_
_
_
_
_
_
_
_
1 0 3 1
0 0.5 4 2
5 3 10 7
6 4 14 10.5
_
_
_
_
_
_
_
_
.
Tome: P =
_
_
1 0
0 0.5
_
_
, Q =
_
_
3 1
4 2
_
_
,R =
_
_
5 3
6 4
_
_
e S =
_
_
10 7
14 10.5
_
_
.
Como P
1
=
_
_
1 0
0 2
_
_
escreve-se P
1
Q =
_
_
3 1
8 4
_
_
Empregando as relacoes deduzidas anteriormente, vem:
_
_
W = (S RP
1
Q)
1
=
_
_
1 0
0 2
_
_
Y = P
1
QW =
_
_
3 2
8 8
_
_
Z = WRP
1
=
_
_
5 6
12 16
_
_
X = P
1
P
1
(QZ) =
_
_
26 34
88 114
_
_
assim,
A
1
=
_
_
X Y
Z W
_
_
=
_
_
_
_
_
_
_
_
26 34 3 2
88 114 8 8
5 6 1 0
12 16 0 2
_
_
_
_
_
_
_
_
.
46
2.5 Execcios
1. Vericar se a matriz A =
_
_
_
_
_
1 1 0
0 1 1
1 1 3
_
_
_
_
_
e a inversa de B =
_
_
_
_
_
2 3 1
1 3 1
1 2 1
_
_
_
_
_
.
2. Determine m e n para que a matriz B =
_
_
5 22
2 9
_
_
seja a inversa de A =
_
_
m 22
2 n
_
_
3. Determine a inversa das seguintes matrizes, se existirem: ,
a) A =
_
_
_
_
_
1 2 1
0 1 3
1 2 3
_
_
_
_
_
b) B =
_
_
_
_
_
1 1 1
0 1 2
2 3 4
_
_
_
_
_
c) C =
_
_
_
_
_
_
_
_
3 1 5 0
0 2 0 1
2 0 1 3
1 1 2 0
_
_
_
_
_
_
_
_
d) D =
_
_
_
_
_
1 2 1
0 1 1
1 1 1
_
_
_
_
_
e) E =
_
_
_
_
_
1 2 1
2 1 1
1 1 0
_
_
_
_
_
f) F =
_
_
_
_
_
_
_
_
i 3 2 i
3 i 1 i
2 1 1 0
i i 0 1
_
_
_
_
_
_
_
_
g) G =
_
_
_
_
_
_
_
_
1 0 0 0
1 1 0 0
0 1 1 0
0 0 1 1
_
_
_
_
_
_
_
_
h) H =
_
_
_
_
_
_
_
_
a 0 0 0
0 b 0 0
0 1 c 0
0 0 0 d
_
_
_
_
_
_
_
_
4. Uma maneira para codicar uma mensagem e atraves da multiplicac ao de ma-
trizes. Vamos associar as letras do alfabeto aos n umeros, segundo a correspondencia
seguinte:
A B C D E F G H I J L M N O P Q R S T U V W X Y Z
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Suponhamos que a nossa mensagem seja PUXA VIDA. Podemos formar uma
matriz 3 3 assim:
_
_
_
_
_
P U X
A V
I D A
_
_
_
_
_
, que usando a correspondencia numerica ca:
47
M =
_
_
_
_
_
15 20 23
1 0 21
9 4 1
_
_
_
_
_
Agora seja C uma matriz qualquer 3 3 nao singular, por exemplo:
C =
_
_
_
_
_
1 0 1
1 3 1
0 1 1
_
_
_
_
_
Multiplicamos nossa matriz da mensagem por C, obtendo M.C,
_
_
_
_
_
15 20 23
1 0 21
9 4 1
_
_
_
_
_
.
_
_
_
_
_
1 0 1
1 3 1
0 1 1
_
_
_
_
_
=
_
_
_
_
_
5 83 58
1 21 22
5 13 14
_
_
_
_
_
. Transmitimos esta nova
matriz(na pratica, envia-se a cadeia de n umeros 5, 83, 58, 1, 21, 22, 5, 13, 14). Quem
recebe a mensagem decodica-a atraves da multiplica cao pela inversa(M.C).C
1
=
M e posterior transcric ao dos n umeros por letras. C e chamada matriz chave para
o codigo.
a) Voce recebeu a mensagem: 12, 48, 23, 2, 42, 26, 1, 42, 29. Utilizando a mesma
matriz chave traduza a mensagem.
b) Acontece que o inimigo descobriu sua chave. O seu comandante manda voce
substituir a matriz chave por
_
_
_
_
_
1 1 1
1 1 0
0 0 2
_
_
_
_
_
. Voce transmite a mensagem
CRETINO...a ele. Por que nao sera possvel a ele decodicar sua mensagem?
c) Escolha uma matriz chave que de para codicar palavras ate 16 letras. Codique
e descodique à vontade! Se possuir algum software que faca o produto de
matrizes, o utilize neste tem.
5. Verdadeiro ou falso? Se a armacao for verdadeira prove, caso falsa de um con-
traexemplo.
a) Se a matriz A possui uma linha nula ent ao AB tambem tem uma linha de
elementos nulos.
b) Se a matriz A possui uma coluna nula entao AB tambem tem uma coluna de
elementos nulos.
48
c) Se A e B sao matrizes diagonais n n ent ao AB = BA.
d) Se AA
T
= 0 ent ao A = 0.
e) A inversa de uma matriz triangular superior e uma matriz triangular inferior.
f) Se tr(AA
T
) = 0 ent ao A = 0.
g) Sejam duas matrizes A e B de ordem nn equivalentes por linhas. A e inversvel
se e somente se B e inversvel.
h) Se A, B e C sao matrizes n n, ent ao (ABC)
1
= C
1
A
1
B
1
.
i) Se A e inversvel ent ao (A
1
)
1
= A.
j) Se A e inversvel ent ao (kA)
1
= kA
1
.
k) Nao existem matrizes A
22
, diferente da matriz identidade, que seja auto-inversa,
isto e, tal que A = A
1
.
l) Se uma matriz A e inversvel entao A
2
sempre sera inversvel.
m) Se as matrizes A
nn
e B
nn
sao inversveis ent ao A + B tambem e inversvel.
n) Seja A inversvel, entao se AB = AC tem-se B = C.
o) Seja A uma matriz quadrada tal que I A e inversvel ent ao A(I A)
1
=
(I A)
1
A.
6. Suponha que A e B sao matrizes quadradas e que AB = 0. Se B e inversvel calcule
a matriz A.
7. As operacoes elementares
op1. L
2
L
2
2L
1
op2. L
3
L
3
4L
1
op3. L
3
L
3
+ L
2
op4. L
3
L
3
op5. L
2
L
2
+ L
3
op6. L
1
L
1
2L
3
praticadas na ordem em que estao escritas deixam a matriz A
33
equivalente por
linhas à matriz identidade. Determine as matrizes A e A
1
.
49
8. Explique, utilizando os teoremas vistos em sala, o procedimento pratico para a
determinac ao da matriz inversa, isto e, [A
.
.
. I] escalonado se torna [I
.
.
. A
1
].
9. Se A
1
=
_
_
_
_
_
1 3 0
0 1 1
1 1 4
_
_
_
_
_
e B
1
=
_
_
_
_
_
2 1 1
0 0 2
1 1 1
_
_
_
_
_
. Calcule (AB)
1
.
10. Dada a matriz A =
_
_
_
_
_
0 1 2
1 2 1
1 3 8
_
_
_
_
_
, resolva a equac ao A
1
.X.A
T
= A, sem substi-
tuir X por uma matriz generica.
11. Resolva as seguintes equacoes matriciais, sendo A inversvel:
a) AX = B
b) XA = B
c) X
1
A = B
d) AX
1
= B
e) AXB = BA
f) (AX)
T
= B
g) (AX)
1
= B
h) ((AX)
1
B)
T
= A
i) AX = A
T
+I
12. Mostre que a inversa de A =
_
_
cos(x) sen(x)
sen(x) cos(x)
_
_
e A
1
=
_
_
cos(x) sen(x)
sen(x) cos(x)
_
_
.
13. Resolva, novamente, os exerccios 1, 2, 3, 4, 9 e 10 utilizando o Octave.
50
Captulo 3
Determinantes
3.1 Denicoes
Denicao: Seja S = 1, 2, 3, . . . , n o conjunto de todos os n umeros inteiros de 1 a
n, dispostos em ordem crescente. Uma outra ordem j
1
, j
2
, . . . , j
n
dos elementos de S e
chamada uma permutac ao de S.
Denicao: Uma permutacao j
1
, j
2
, . . . , j
n
de S
n
= 1, 2, 3, . . . , n tem uma invers ao
se um inteiro j
r
precede um inteiro menor j
s
. Uma permutac ao e denominada par se o
n umero total de inversoes e par. Uma permutac ao e denominada mpar se o n umero total
de inversoes e mpar.
Exemplo 1: Seja S
4
= 1, 2, 3, 4. A permutac ao (4, 1, 3, 2), que representaremos
por 4132, tem 4 inversoes: o 4 antes do 1, o 4 antes do 3, o 4 antes do 2, o 3 antes do 2.
Portanto, a permuta cao 4132 de S
4
e uma permutac ao par, pois tem um n umero par de
invers oes.
Exemplo 2: Seja S
2
= 1, 2. A permutacao 12 nao tem nenhuma inversao. Logo, e
uma permutacao par. Ja a permutac ao 21 e uma permutacao mpar, pois tem apenas
uma inversao, o 2 antes do 1.
Denicao: Seja A
mm
uma matriz quadrada, dene-se como determinante de A, de-
51
notado por det(A) ou [A[, como det(A) =
()a
1j
1
.a
2j
2
.a
3j
3
. . . a
mj
m
, onde o somatorio
e tomado sobre todas as permutacoes j
1
, j
2
, . . . , j
m
do conjunto S
m
= 1, 2, 3, . . . , m. O
sinal do termo correspondente à permutac ao j
1
, j
2
, . . . , j
m
e + se ela for par e sera se
for mpar.
Pode-se constatar que cada termo do det(A
nxn
) e um produto de n elementos de A,
contento exatamente um elemento de cada linha e um elemento de cada coluna. Os ndices
relativos às linhas estao na sua ordem natural (1, 2, 3, . . . , n), enquanto que os ndices
relativos às colunas estao na ordem j
1
, j
2
, . . . , j
n
. Como a permutac ao j
1
, j
2
, . . . , j
n
consiste nos n umeros de 1 a n em uma ordem diferente da usual, ela nao tem repetic ao.
Assim, o det(A) tem n! termos.
Exemplo: Calcule, usando a denic ao, o determinante da matriz A =
_
_
_
_
_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
_
_
_
_
Pela denicao de determinante temos:
det(A) =
()a
1j
1
.a
2j
2
.a
3j
3
Como S
3
= 1, 2, 3, ent ao as permuta coes sao 123, 132, 213, 231, 312, 321 com,
respectivamente, 0, 1, 1, 2, 2, 3 inversoes. Assim,
det(A) = a
11
a
22
a
33
a
11
a
23
a
32
a
12
a
21
a
33
+ a
12
a
23
a
31
+ a
13
a
21
a
32
a
13
a
22
a
31
3.2 Propriedades
(i) det(A
T
) = det(A)
(ii) Se B e uma matriz obtida permutando-se duas linhas (ou duas colunas) de A, ent ao
.det(B) = det(A),
(iii) Se A possui duas linhas ou duas colunas iguais ou, ainda, se A possui uma linha ou
uma coluna nula, entao det(A) = 0.
52
(iv) Se Be uma matriz obtida multiplicando-se uma linha (ou coluna) de A por um
n umero real k, entao det(B) = kdet(A). Consequentemente, det(kB) = k
n
det(A)
se A
nn
.
(v) Se substituirmos uma linha r (ou coluna r) pela soma dos elementos de r com os corre-
spondentes elementos de uma linha s (ou coluna s) multiplicada por uma constante
k nao nula, com r ,= s, obtendo-se assim uma matriz B, ent ao det(B) = det(A).
(vi) Se A e uma matriz triangular superior ou inferior, entao det(A) = a
11
.a
22
. . . . .a
nn
,
isto e, o determinante de A e igual ao produto dos elementos da diagonal principal.
(vii) det(AB) = det(A).det(B).
(viii) det(A
1
) =
1
det(A)
, se A e inversvel.
(ix) det(A) =
n
det(A), onde A tem ordem n n.
3.3 Desenvolvimento por Laplace
Seja A
mm
uma matriz quadrada ent ao:
det(A) =
m
j=1
a
ij
(1)
i+j
det(A
ij
) ,
onde det(A
ij
) e o determinante da submatriz A
ij
obtida a partir de A suprimindo-se
a i-esima linha e a j-esima coluna.
Exemplo. Calcule o determinante da matriz A =
_
_
_
_
_
_
_
_
3 1 1 2
1 1 0 1
1 0 2 1
3 2 1 2
_
_
_
_
_
_
_
_
det(A) =
3 1 1 2
1 1 0 1
1 0 2 1
3 2 1 2
53
det(A) =
3 1 1 2
1 1 0 1
1 0 2 1
3 2 1 2
L
2
L
2
+ 2L
1
L
3
L
3
+ L
1
det(A) =
3 1 1 2
1 1 0 1
5 2 0 3
6 3 0 4
det(A) =
3 1 1 2
1 1 0 1
5 2 0 3
6 3 0 4
det(A) = (1)(1)
1+3
1 1 1
5 2 3
6 3 4
det(A) = (1)
_
8 + 15 + 18 12 9 20
_
det(A) = 0
54
3.4 Execcios
1. Quantas inversoes de 1, 2, 3, 4, 5 existem nos conjuntos:
(i) 3, 5, 4, 1, 2
(ii) 2, 1, 4, 3, 5
(iii) 5, 4, 3, 2, 1
2. Calcule o valor do determinante da matriz A =
_
_
_
_
_
1 2 3
1 1 1
1 4 1
_
_
_
_
_
pela denicao.
Depois conrme o resultado utilizando a regra de Sarrus e o Octave.
_
_
1 2
1 0
_
_
e B =
_
_
3 1
0 1
_
_
, calcule:
(i) det(A) + det(B)
(ii) det(A +B)
4. Sejam A e B matrizes de ordem n n. Se a armacao for verdadeira justique,
caso falsa de um contraexemplo.
(i) det(AB) = det(BA)
(ii) det(A
T
) = det(A)
(iii) det(2A) = 2det(A)
(iv) det(A
2
) = (det(A))
2
(v) Se det(A) = 1 entao A
1
= A
vi) det(A
T
B
T
) = det(A).det(B
T
.
vii) Se A = A
1
entao det(A) e somente igual a 1.
5. Calcule o determinante das seguintes matrizes:
55
(i) A =
_
_
_
_
_
_
_
_
3 1 5 0
0 2 0 1
2 0 1 3
1 1 2 0
_
_
_
_
_
_
_
_
(ii) B =
_
_
_
_
_
_
_
_
i 3 2 1
3 i 1 i
2 1 1 0
i i 0 1
_
_
_
_
_
_
_
_
(iii) C =
_
_
_
_
_
_
_
_
_
_
_
1 0 0 0 0
3 2 0 0 0
2 1 1 0 0
2 4 0 1 0
3 5 8 4 2
_
_
_
_
_
_
_
_
_
_
_
6. Qual o valor do determinante de uma matriz ortogonal A?
7. Sendo A =
_
_
_
_
_
1 2 1
1 0 1
4 4 5
_
_
_
_
_
determine os valores tais que det(A I) = 0.
56
Captulo 4
Sistemas de equacoes lineares
4.1 Conceitos
Um sistema de m equac oes lineares com n incognitas x
1
, x
2
, , x
n
e com coecientes
a
ij
e termos independentes b
k
, denidos sobre um corpo F e escrito de seguinte forma:
S :
_
_
a
11
x
1
+ a
12
x
2
+ a
13
x
3
+ + a
1n
x
n
= b
1
a
21
x
1
+ a
22
x
2
+ a
23
x
3
+ + a
2n
x
n
= b
2
a
31
x
1
+ a
32
x
2
+ a
33
x
3
+ + a
3n
x
n
= b
3

a
m1
x
1
+ a
m2
x
2
+ a
m3
x
3
+ + a
mn
x
n
= b
m
Sistemas lineares e matrizes
Se no sistema S anterior zermos A
mn
= [a
[ij]
, X
T
= [x
1
, x
2
, , x
n
] e b
T
=
[b
1
, b
2
, , b
m
] teremos a forma matricial:
Ax = b
Quando a matriz b = 0 o sistema sera chamado de sistema linear homogeneo.
Solucao de um sistema linear
Chama-se soluc ao de um sistema linear S a uma matriz x que verique simultanea-
57
mente todas as equacoes de S : Ax = b. Conceitua-se que resolver um sistema linear e
determinar todas as suas soluc oes, enquanto que discutir um sistema e discutir sob quais
condic oes este sistema tera ou nao solucoes.
Equivalencia de sistemas lineares
Dois sistemas lineares S
1
e S
2
serao chamados de equivalentes se e somente se possuirem
as mesmas solucoes, ou seja, toda solucao de S
1
tambem e solucao de S
2
e vise-versa.
Assim torna-se claro que para determinarmos a solucao de um sistema linear S deveremos
encontrar um sistema S
1
equivalente a S mas que possua uma soluc ao mais visvel. Como
por exemplo:
S :
_
_
_
2x + y = 9
2x + 2y = 0
e S
1
:
_
_
_
2x + y = 9
+ 3y = 9
Veja que no sistema S
1
a soluc ao e facilmente encontrada, x = y = 3.
Teorema: Se as matrizes [A
.
.
.B] e [A
1
.
.
.B
1
] forem equivalentes por linhas entao os sis-
temas A
1
x = B
1
e Ax = B serao equivalentes.
Posto
Chama-se posto de uma matriz A
mn
, denotado por p(A), ao n umero de linhas nao
nulas de uma matriz escalonada equivalente por linhas a A.
Nulidade
Chama-se nulidade de uma matriz A
mn
a n p(A).
Teorema:
Dado um sistema de equac oes lineares Ax = b, com A
mn
.
(i) Se p(Ab) > p(A) o sistema sera incompatvel.
(ii) Se p(Ab) = p(A) < n o sistema sera possvel e indeterminado, apresentando mais de
uma soluc ao.
(iii) Se p(Ab) = p(A) = n o sistema sera possvel e determinado, apresentando uma unica
soluc ao.
58
Exemplos
1. Resolver os seguntes sistemas de equac oes lineares:
a)
_
_
x + 2y 3z = 3
2x y + z = 3
x y z = 4
2x 3z = 4
_
_
_
_
_
_
_
_
1 2 3 3
2 1 1 3
1 1 1 4
2 0 3 4
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
1 2 3 3
2 1 1 3
1 1 1 4
2 0 3 4
_
_
_
_
_
_
_
_
L
2
L
2
2L
1
L
3
L
3
+ L
1
L
4
L
4
2L
1
_
_
_
_
_
_
_
_
1 2 3 3
0 5 7 9
0 1 4 7
0 4 3 2
_
_
_
_
_
_
_
_
L
2
L
1
_
_
_
_
_
_
_
_
1 2 3 3
0 1 4 7
0 5 7 9
0 4 3 2
_
_
_
_
_
_
_
_
L
3
L
3
+ 5L
2
L
4
L
4
+ 4L
2
_
_
_
_
_
_
_
_
1 2 3 3
0 1 4 7
0 0 13 26
0 0 15 30
_
_
_
_
_
_
_
_
L
4
L
4
2L
3
59
_
_
_
_
_
_
_
_
1 2 3 3
0 1 4 7
0 0 13 26
0 0 0 0
_
_
_
_
_
_
_
_
x + 2 1 3 2 = 3x = 1
y 4 2 = 7y = 1
13z = 26 z = 2
b)
_
_
x + 2y 3z + w = 3
2x y + z 2w = 3
x 8y + 11z 7w = 9
_
_
_
_
_
1 2 3 1 3
2 1 1 2 3
1 8 11 7 9
_
_
_
_
_
_
_
_
_
_
1 2 3 1 3
2 1 1 2 3
1 8 11 7 9
_
_
_
_
_
L
2
L
2
2L
1
L
3
L
3
+ L
1
_
_
_
_
_
1 2 3 1 3
0 5 7 4 9
0 10 14 8 12
_
_
_
_
_
L
3
L
3
2L
2
_
_
_
_
_
1 2 3 1 3
0 5 7 4 9
0 0 0 0 6
_
_
_
_
_
0z = 6 Sistema incompatvel
60
c)
_
_
3x + 2y z w = 3
2x y + z 2w = 3
x 3y + 2z w = 6
_
_
_
_
_
3 2 1 1 3
2 1 1 2 3
1 3 2 1 6
_
_
_
_
_
_
_
_
_
_
3 2 1 1 3
2 1 1 2 3
1 3 2 1 6
_
_
_
_
_
L
2
L
2
L
1
_
_
_
_
_
3 2 1 1 3
1 3 2 1 6
1 3 2 1 6
_
_
_
_
_
L
3
L
3
L
2
_
_
_
_
_
3 2 1 1 3
1 3 2 1 6
0 0 0 0 0
_
_
_
_
_
L
2
3L
2
+L
1
_
_
_
_
_
3 2 1 1 3
0 7 5 4 15
0 0 0 0 0
_
_
_
_
_
7y + 5z 4w = 15 y =
5z 4w 15
7
3x + 2y z w = 3 3x + 2
5z 4w 15
7
z w = 3 x =
z + 5w + 3
7
2. Discutir os seguintes sistemas de equacoes lineares:
a)
_
_
x y z = 1
2x y + bz = 3
x y z = a
_
_
_
_
_
1 1 1 1
2 1 b 3
1 1 1 a
_
_
_
_
_
61
_
_
_
_
_
1 1 1 1
2 1 b 3
1 1 1 a
_
_
_
_
_
L
2
L
2
2L
1
L
3
L
3
+ L
1
_
_
_
_
_
1 1 1 1
0 1 b + 2 1
0 2 2 a + 1
_
_
_
_
_
L
3
L
3
+ 2L
2
_
_
_
_
_
1 1 1 1
0 1 b + 2 1
0 0 2b + 2 a + 3
_
_
_
_
_
(2b + 2)z = a + 3
Sistema possvel e determinado: 2b + 2 ,= 0 b ,= 1
Sistema possvel e indeterminado: 2b + 2 = 0 e a + 3 = 0 b = 1 e a = 3
Sistema incompatvel: 2b + 2 = 0 e a + 3 ,= 0 b = 1 e a ,= 3
b)
_
_
x + y + a
2
z = 1
bx + y + abz = 1
b
2
x + by a
3
z = ab
_
_
_
_
_
1 1 a
2
1
b 1 ab 1
b
2
b a
3
ab
_
_
_
_
_
_
_
_
_
_
1 1 a
2
1
b 1 ab 1
b
2
b a
3
ab
_
_
_
_
_
L
2
L
2
bL
1
L
3
L
3
bL
1
_
_
_
_
_
1 1 a
2
1
0 1 b ab a
2
b 1 b
0 0 a
3
ab
2
ab b
_
_
_
_
_
_
_
_
_
_
1 1 a
2
1
0 1 b ab(1 a) 1 b
0 0 a(a
2
+ b
2
) b(a 1)
_
_
_
_
_
Sistema possvel e indeterminado: a(a
2
+ b
2
) = 0 e b(a 1) = 0 ou 1 b = 0 e
ab(1 a) = 0 e 1 b = 0 b = 1, isto e, a = 0 e b = 0 ou a = b = 1 ou a = 0 e
b = 1.
62
Sistema incompatvel: a(a
2
+ b
2
) = 0 e b(a 1) ,= 0 ou 1 b = 0 e ab(1 a) = 0
e 1 b = 0 b = 1, isto e, a = 0 e b ,= 0.
Sistema possvel e determinado: Nos casos contr arios.
4.2 Exerccios
1. Determine todas as solucoes, se existirem, dos seguintes sistemas de equacoes
lineares.
a)
_
_
x + 2y + 3z = 9
2x y + z = 8
3x z = 3
b)
_
_
x + y + 2z 5t = 3
2x + 5y z 9t = 3
2x + y z + 3t = 11
x 3y + 2z + 7t = 5
c)
_
_
x + 2y + 3z + 4w = 5
x + 3y 5z + 7w = 11
x z 2w = 6
d)
_
_
x + 2y + 2z = 0
x + 3y + 2z = 0
2x + y 2z = 0
e)
_
_
x + 2y + z + w = 0
x + w = 0
x + y + z = 0
f)
_
_
_
x + 2y = 0
x 2y = 0
g)
_
_
1 1 1
2 5 2
_
_
.
_
_
_
_
_
x
y
z
_
_
_
_
_
=
_
_
4
3
_
_
h)
_
_
_
_
_
1 3 2 3 7
2 6 1 2 5
1 3 1 0 2
_
_
_
_
_
.
_
_
_
_
_
_
_
_
_
_
_
x
1
x
2
x
3
x
4
x
5
_
_
_
_
_
_
_
_
_
_
_
=
_
_
_
_
_
14
2
1
_
_
_
_
_
2. Resolva os sistemas anteriores usando o comando do Octave.
3. Resolva por escalonamento e tambem com o Octave o sistema
63
_
_
x + = 1
+ 0.001y = 0.001
+ 0.0001z = 0.0001
x + 0.001y + 0.0001z = 1.0011
4. No exerccio 3 anterior substitua a matriz de termos independentes por b =
_
_
_
_
_
_
_
_
1.01
0.011
0.0099
1.0021
_
_
_
_
_
_
_
_
e resolva novamente por escalonamento e tambem pelo Octave. Compare
as solucoes. O que sera que aconteceu com o software?
5. Sabe-se que uma alimentacao diaria equilibrada em vitaminas deve constar de
170 unidades de vitamina A, 180 unidades de vitamina B, 140 unidades de vitamina C,
180 unidades de vitamina D e 350unidades de vitamina E. Com o objetivo de descobris
como devera ser uma refeicao equilibrada, foram estudados 5 alimentos. Fixada a mesma
quantidade (1g) de cada alimento, determinou-se que:
i) O elemento I tem 1 unidade de vitamina A, 10 unidades de vitamina B, 1 unidade de
vitamina C, 2 unidades de vitamina D e 2 unidades de vitamina E.
ii) O elemento II tem 9 unidade de vitamina A, 1 unidades de vitamina B, 0 unidade de
vitamina C, 1 unidade de vitamina D e 1 unidade de vitamina E.
iii) O elemento III tem 2 unidades de vitamina A, 2 unidades de vitamina B, 5 unidades
de vitamina C, 1 unidade de vitamina D e 2 unidades de vitamina E.
iv) O elemento IV tem 1 unidade de vitamina A, 1 unidade de vitamina B, 1 unidade de
v) O elemento V tem 1 unidade de vitamina A, 1 unidade de vitamina B, 1 unidade de
Quantos gramas de cada um dos alimentos I, II, III, IV e V devemos ingerir para que
nossa alimentacao seja equilibrada?
6. Discutir os seguintes sistemas:
64
a)
_
_
ax + y az = 0
ax + y z = 2 a
x + ay z = a
b)
_
_
x + y + z = 1
x + ay + z = 1
x + y + az = 1
c)
_
_
ax + 2y = 6
3x y = 2
x + y = 0
d)
_
_
x + ay z = a
x y + az = a
2
ax + y + z = ab
f)
_
_
x 4y + a
2
z = a
2
2x + 2y 2az = ab
4x y + 4z = b
2
g)
_
_
x + y z = 1
2x + 3y + az = 3
x + ay + 3z = 2
7. Sejam U e V matrizes-colunas soluc oes do sistema linear homogeneo Ax = 0.
a) Mostre que U + V e uma soluc ao
b) Mostre que U V e uma soluc ao
c) Mostre que rU e uma soluc ao qualquer que seja o escalar r.
d) Mostre que rU + sV e uma soluc ao quaisquer que sejam os escalares r e s.
e) De exemplos numericos para ilustrar este exerccio
8. Dada a matriz
_
_
a b
c d
_
_
. Mostre que A e equivalente por linhas a I
2
se e somente
se ad bc ,= 0.
65
Respostas
Secao 1.3.4
6. matriz deve ser simetrica com diagonal rincipal nula.
Secao 1.3.5
3.
a)V b)V c)V
d)F e)V f)F
g)F h)V i)V
5. X = PCQ
15. A sequencia parece estar convergindo para
_
_
1, 0000 0, 7500
0 0
_
_
.
16. A e e B nao e positiva denida.
20. 1, 2 ou 3.
26.
a)V b)F c)V
d)V e)F f)V
g)V h)F i)V
j)V k)V l)F
Secao 1.4
10. X =
_
_
_
_
_
80 59 30
39 31 15
318 233 119
_
_
_
_
_
11. X = A
1
.A
T
+ A
1
Determinantes
6. 1
Sistemas
1.
66
a)
_
_
x = 2
y = 1
z = 3
b)
_
_
x = 5 2t
y = 2 + 3t
z = 3 + 2t
t 1
c) incompatvel
d)
_
_
x = 0
y = 0
z = 0
e)
_
_
x = t
y = t
z = t
t 1
6. d) Sistema possvel e indeterminado se a = 2 e b = 1 ou se a = b = 1; sistema
impossvel se a = 2 e b ,= 1 ou a = 1 e b ,= 1; sistema possvel e determinado se
a ,= 1 e a ,= 2 .
f) Se a = 4 e b = 8 ou b = 2, ou a = 1 e b = 2 ou b = 1/2 indeterminado. Se Se
a = 4 e b ,= 8 ou b , = 2, ou a = 1 e b ,= 2 ou b ,= 1/2 impossvel. Se a ,= 4 e a ,= 1
determinado.
67
Captulo 5
Vetores
5.1 Conceitos
5.1.1 Segmento orientado
Dada uma reta r e dois pontos A e B pertencentes a esta reta. Ao se admitir um
sentido para o segmento AB tem-se um segmentos orientado AB, em que A e chamado
de origem e B de extremidade do segmento orientado, ou BA. Todo segmento orientado
e composto por tres tens:
Direc ao:

E a mesma de sua reta suporte.
Sentido:

E denido da origem para a extremidade do segmento.
Modulo:

E dado pela distancia do ponto A ao ponto B e, sera representado por
[AB[.
5.1.2 Segmentos equipolentes
Dois segmentos orientados AB e CD sao chamados de equipolentes se possuirem a
mesma deirecao, o mesmo sentido e o mesmo modulo e, serao denotados por AB CD.
68
Propriedades
(i) Reexiva: AB AB.
(ii) Simetrica: Se AB CD ent ao CD AB.
(iii) Transitiva: AB CD e CD EF ent ao AB EF
(iv) Dados um segmento orientado ABe um ponto C, entao existe um unico ponto D tal
que AB CD.
(v) Se AB CD ent ao BA DC.
(vi) Se AB CD ent ao AC BD.
(vii) Todos os segmentos nulos sao equipolentes entre si.
5.1.3 Classe de equivalencia
Pela propriedade (iv) anterior, existem innitos segmentos orientados equipolentes
a um segmento

AB dado. Este conjunto recebe o nome de classe de equivalencia do
segmento orientado

AB.
5.2 Vetor
O vetor determinado por um segmento orientado AB e o conjunto de todos os seg-
mentos orientados equipolentes a AB e, sera denotado por

v , isto e, vetor e um elemento
generico de uma classe de equivalencia.

E importante concluir, a partir desta denic ao,
que um vetor

v nao esta xo em um determinado ponto do espaco ao qual ele pertence.
Assim, pode-se escrever:
A +
v = B, ou ainda,

v = B A.
1
Exemplos:
1
Veja que este conceito e consequencia da propriedade (iv)
69
1. Determine o vetor

v =

AB em que A(1, 2, 4) e B(0, 3, 1).
2. Determine o modulo do vetor

AB em que A(0, 5, 0) e B(2, 1, 3).
5.2.1 Vetor nulo
E um vetor que possui modulo igual a zero.

5.2.2 Vetor unitario
Um vetor

v e unitario se [

v [ = 1.
5.2.3 Versor
Dado um vetor

v nao nulo, seu versor, denotado por vers
v , e o vetor unitario de
mesma direcao e mesmo sentido de

v .
5.2.4 Vetor oposto
Dado um vetor

AB seu vetor oposto sera dado por

BA.
5.3 Operac oes com vetores
5.3.1 Adicao de vetores
1. Denicao: Dados dois vetores

u e

v chama-se vetor soma de

u e

v , denotado
por

u +
v , ao vetor obtido por meio do seguinte procedimento: Dado um ponto A

qualquer determine o ponto B tal que B = A+
u e o ponto C tal que C = B+
v .
nestas condic oes, tem-se

u +
v = C A.
2. Propriedades Dados os vetores

u ,

v e

w, ent ao:
70
Associativa. (

u +
v ) +
w =

u + (
v +

w)
Comutativa:

u +
v =

v +
u
Elemento neutro.

u +
0 =

u
Elemento oposto:

u + (
u) =

0
Lei do cancelamento: Se

u +
v =

u +
w ent ao

v =

w
Prova da propriedade comutativa.
A
P
B
V
2
V
1
V
1
V
1
+V
2
V
2
+V
1
Figura 5.1: Propriedade comutativa da adic ao de vetores.
Como
_
_
_
O +

v
1
= A

v
1
= A O
A +
v
2
= P

v
2
= P A
Logo

v
1
+

v
2
= P O. (1)
E como
_
_
_
O +
v
2
= B

v
2
= B O
B +
v
1
= P

v
1
= P B
vem

v
2
+
v
1
= P O. (2)
Comparando (1) e (2) resulta

v
1
+
v
2
=

v
2
+
v
1
5.3.2 Multiplicacao por escalar
1. Denicao: Dados um vetor

v e um escalar K. Chama-se multiplicacao do escalar
K pelo vetor

v , denotado por k
v , ao vetor k
v tal que:

v e K
v possuem a mesma direc ao.

v e K
v terao mesmo sentido se K > 0 e terao sentidos contr arios se K < 0.

71
[K
v [ = [K[[
v [
2. Propriedades: Dados os escalares e e os vetores

u e

v ent ao:
Propriedade comutativa.
v =

v
Propriedade associativa em relac ao ao produto de escalares. (

u ) = ()
u
Propriedade distributiva em relacao à adicao de escalares. ( +)
u =
u +
u
Propriedade distributiva em relacao à adic ao de vetores. (

u +

v ) =
u +
v
5.3.3 Subtracao de vetores
1. Denicao: Dados dois vetores

u e

v , dene-se diferenca entre

u e

v , nesta
ordem, denotado por

u
v , ao vetor

u
v =

u + (
v ).
5.3.4 Exemplos
1. Determine o modulo da soma e o modulo da diferenca de dois vetores

v e

w que
formam um angulo de 60
o
, [
v [ = 4 e [
w[ = 6.
O
A
V
1
V
1
+V
2
P
V
1
V
2
V
2
V
2
Figura 5.2: Soma e subtrac ao de vetores.
72
A partir da lei dos cosenos a
2
= b
2
+c
2
2bccos(), e da guraa 5.2 pode-se escrever:
[
v +
w[
2
= [
v [
2
+[
w[
2
2[
v [[
w[cos(180
o
)
Assim [
v +
w[
2
= 4
2
+ 6
2
2.4.6.cos(120
o
).
Logo [
v +

w[
2
= 16 + 36 + 24, assim [

v +
w[ =
76.
Analogamente,
[
w[
2
= [

v [
2
+[
w[
2
2[

v [[

w[cos()
Assim [
v +
w[
2
= 4
2
+ 6
2
2.4.6.cos(60
o
).
Logo [
v +

w[
2
= 16 + 36 24, assim [
v +

w[ =
28.
2. Dados dois vetores perpendiculares de modulo igual a 12 e 5, determine o modulo
da soma e o modulo da diferenca desses vetores.
3. Demonstre, vetorialmente, que o segmento determinado pelos pontos medios de dois
lados de um triangulo e paralelo ao terceiro lado e tem comprimento igual à metade
deste terceiro lado. Do triangulo ABC da gura 5.3 vem (BA) = (CA)+(BC).
B
C
M
N
Figura 5.3: Exemplo 3.
(3)
Do triangulo MNC da gura 5.3 vem (N M) = (C M) + (N C). (4)
Mas (C A) = 2(C M) e (B C) = 2(N C), assim (3) ca (B A) =
2(C M) + 2(N C)
(B A) = 2(N M)

AB = 2
MN
73
5.4 Expressao cartesiana de um vetor
Considere um sistema cartesiano ortogonal de eixos Ox, Oy e Oz e os repectivos
versores destes eixos

i ,

j e

k .
P
O
j
k
C
v
i
y
B
z
Figura 5.4: Expressao cartesiana de um vetor
Observando a gura 5.4 e considerando P(x, y, z) pode-se escrever:
v =

OP =

OA +
OB +
OC
Mas como:
OA = x
i ,
OB = y
j e
OC = z
k vem
v =

OP = x
i + y
j + z
k
que e a expressao de um vetor

v = (x, y, z).
5.4.1 Expressao cartesiana do versor de um vetor
Dado o vetor

v = x

i + y

j +z
k pode-se escrever:
vers(
v ) =
v
[
v [
=
x
i + y
j + z

k
_
x
2
+ y
2
+ z
2
vers(
v )
x
_
x
2
+ y
2
+ z
2
i +
y
_
x
2
+ y
2
+ z
2

j +
z
_
x
2
+y
2
+z
2
k
74
5.4.2 Operacoes com vetores na forma cartesiana
1. Adic ao: Dados os vetores
v
1
= x
1
i +y
1

j +z
1
k e

v
2
= x
2
i +y
1
2
j +z
2
k tem-se
v
1
+
v
2
= (x
1
+ x
2
)
i + (y
1
+ y
2
)
j + (z
1
+ z
2
)
k .
2. Produto de um vetor por um escalar: Dado o vetor

v
1
= x
1
i + y
1

j + z
1
k e o
escalar tem-se
v
1
= x
1

i + y
1
j +z
1
k
5.4.3 Exerccios
1. Dados os vetores

v
1
= 2
i 3
j +

k e

v
2
= 2

i +
j 2
k determine:
a)

v
1
+

v
2
b) 2
v
1
+ 3
v
2
2. Determine m, n e p tais que m
v
1
+ n
v
2
+ p
v
3
= O
3. Determine os escalares a e b tais que

u = a
v + b
w, em que

u =
i +

j ,
v =

i + 5
j + 2
k e

w =

i + 2
j +
k .
4. Determine o valor de a para que o vetor

w = 3a
i +a
j +3
k tenha modulo igual

a 7.
5.5 Paralelismo de vetores
Dois vetores

u e

v serao chamados de paralelos se possuirem a mesma direc ao, logo
pelo fato desses vetores possuirem a mesma reta suporte, eles irao diferir ou pela direc ao
ou pelo modulo, assim pode-se enunciar:
Teorema 5.1 Dois vetores

u e

v , nao nulos, serao paralelos se e somente se existir um
escalar K tal que
u = K
v
.
75
Corolario 5.2 Dois vetores

v
1
= x
1
i + y
1
j + z
1
k e

v
2
= x
2
i + y
1
2
j + z
2
k serao
paralelos se somente se suas coordenadas homonimas forem proporcionais, isto e,
x
1
x
2
=
y
1
y
2
=
z
1
z
2
2
5.5.1 Exerccios
1. Determine a e b para que os vetores

u =

i + 2
j 3
k e

v = a

i + 4
j + b
k
sejam paralelos.
2. Dados os pontos A(3, 1, 2) e B(3, 1, 1), determine:
a) O vetor

AB
b) O vetor

w paralelo a

AB e tal que [
w[ = 14
3. Verique se os pontos A(2, 1, 0), B(3, 1, 1) e C(3, 3, 2) sao colineares.
4. Mostre que os pontos A(4, 0, 1), B(5, 1, 3), C(3, 2, 5) e D(2, 1, 3) sao vertices de um
paralelogramo.
5. Determine o ponto simetrico de A(3, 1, 2) em relac ao ao ponto B(1, 0, 3).
6. Os vetores

v
1
= 2
i 3
j +6
k e

v
2
=

i +2
j 2
k estao aplicados no mesmo

ponto A. Determine as coordenadas do vetor

AB de modulo 3
42 e cuja direc ao e
a direc ao da bissetriz do angulo formado pelos vetores

v
1
e

v
2
.
7. Demonstre que as diagonais de um paralelogramo se interseptam em seus pontos
medios.
8. O segmento que une os pontos medios dos lados nao paralelos de um trapezio e
paralelo às bases e igual a sua semi-soma.
9. Demonstre vetorialmente que o baricento G de um triangulo ABC e dado por G =
A+B+C
3
.
2
A nulidade de um dos denominadores implica na nulidade do numerador correspondente.
76
5.6 Coplanaridade de vetores
Tres vetores

u ,

v e

w serao coplanares se possuirem imagens geometricas paralelas
ao mesmo plano.
av
v
u
w
bw
Figura 5.5: Coplanaridade de tres vetores
Teorema 5.3 Os vetores

u ,

v e

w serao coplanares se e somente se existirem escalares
a e b tais que

u = a
v + b

w
3
.
Corolario 5.4 Tres vetores

u = (x
1
, y
1
, z
1
),

v = (x
2
, y
2
, z
2
) e

w = (x
3
, y
3
, z
3
) serao
coplanares se e somente se
x
1
y
1
z
1
x
2
y
2
z
2
x
3
y
3
z
3
= 0.
5.6.1 Exerccios
1. Vericar se os vetores

u = (3, 1, 2),

v = (1, 2, 1) e

w = (2, 3, 4) sao coplanares.
2. Verique se os pontos A(1, 1, 1), B(2, 1, 3), C(0, 2, 2) e D(1, 0, 2) sao
coplanares.
3. Determine o valor de m para que os pontos A(m, 1, 2), B(2, 2, 3), C(5, 1, 1) e
D(3, 2, 2) sejam coplanares.
77
Figura 5.6: Cosenos diretores de um vetor
5.7 Cosenos diretores de um vetor
Chamam-se angulos diretores de um vetor

v = x
i +y
j +z
k aos angulos , e
que o vetor

v forma com os vetores

i ,

j e

k , respectivamente.
Os cosenos dos angulos diretores sao chamados de cosenos diretores do vetor

v , ou
seja, cos(), cos() e cos() e, sao dados por:
cos() =
x
[
v [
, cos() =
y
[
v [
e cos() =
z
[
v [
,
e satisfazem a
cos
2
() + cos
2
() + cos
2
() = 1 .
5.7.1 Exerccios
1. Determine os cosenos diretores do vetor

v = (2, 3, 6).
2. Determinar o angulo diretor de um vetor

v , sendo = 45
o
e = 60
o
.
3. Prove que cos
2
() + cos
2
() + cos
2
() = 1.
3
Nesta expressao (

u = a
v + b
w) diremos que

u e uma combinacao linear de

v e

w.
78
5.8 Produto escalar ou interno
5.8.1 Denicao
Dados dois vetores

u e

v , chama-se produto escalar ou interno de

u e

v , denotado
por

u .
v , ao n umero real
u .
v = [
u [[
v [cos() , (5.1)
em que 0 e o angulo formado por

u e

v .
A partir da denicao (5.1)) observa-se:
1. Sinal do produto escalar. Tem-se

u .

v > 0 quando cos() > 0, ou seja, quando
o angulo entre os dois vetores for agudo e,

u .

v < 0 quando cos() < 0, isto e,
quando o angulo for obtuso.
2. Nulidade do produto escalar. O produto interno

u .
v sera nulo se:

(i) Um dos dois vetores for o vetor nulo.
(ii) O vetores forem ortogonais.
3. Modulo de um vetor. Dado um vetor

u , tem-se
u .
u = [

u [[

u [cos(0)
u .

u = [
u [
2
[
u [ =
u .

u
5.8.2 Interpretacao geometrica
Sejam dados os vetores

u e

v que formam um angulo , conforme a gura 5.7.
Do triangulo OP
P da gura 5.7 pode-se escrever:

cos() =
[
OP
[
[
v [
ou [
OP
[ = [
v [cos() (5.2)
em que
OP
e o vetor projecao de

v sobre

u ,
79
Figura 5.7: Interpretacao geometrica do produto escalar.
mas da denicao (5.1)) pode-se escrever [
v [cos() =
u .
v
[
u [
,
assim (5.2) ca:
[
OP
[ =
[
u .

v [
[

u [
5.8.3 Propriedades
Dados os vetores

v
1
,

v
2
e

v
3
e os escalares a e b tem-se:
1. Propriedade comutativa:

v
1
.

v
2
=

v
2
.
v
1
2. Propriedade associativa do produto escalar em relacao aos escalares a e b: (a
v
1
).(b

v
2
) =
(ab)
v
1
.

v
2
3. Propriedade distributiva: (

v
1
+
v
2
).

v
3
=

v
1
.
v
3
+
v
2
.
v
3
5.8.4 Expressao cartesiana do produto escalar
Sejam os vetores

v
1
= x
1
i + y
1
j + z
1
k e

v
2
= x
2
i +y
2
j + z
2
k entao:
v
1
.
v
2
= (x
1
i +y
1
j + z
1
k ).(x
2
i + y
2
j + z
2
k )
Aplicando as propriedades dadas em (2.1.3), vem:
v
1
.

v
2
= x
1
x
2
i .
i + x
1
y
2
i .
j + x
1
z
2

i .
k + y
1
x
2
j .

i + y
1
y
2

j .
j + y
1
z
2
j .
k +
+z
1
x
2
k .

i + z
1
y
2

k .
j + z
1
z
2
k .
k
80
mas

i .
i =

j .

j =

k .
k = 1 e

i .
j =

i .
k =

j .
k = 0 tem-se

v
1
.
v
2
= x
1
x
2
+ y
1
y
2
+ z
1
z
2
5.8.5 Exerccios
1. Dados [
u [ = 4 e [
v [ = 5, calcular [
u +
v [ sabendo que o angulo entre os vetores
u e

v e igual a 120
o
.
2. Determinar, empregando produto escalar, [
v [, sendo

v = (1, 3, 2).
3. Determine o angulo entre os vetores

v = (1, 1, 4) e

u = (1, 2, 2).
4. Mostre que o triangulo de vertices A(2, 3, 1), B(2, 1, 1) e C(2, 2, 2) e retangulo.
5. Determine o valor de a para que os vetores

u = (1, a, 2) e

v = (2, 1, 4) sejam
ortogonais.
6. Determine um vetor nao nulo simultaneamente ortogonal aos vetores
u = (1, 2, 4)
e

v = (3, 1, 2).
7. Determine um vetor unitario simultaneamento ortogonal aos vetores

u = (2, 3, 1)
e

v = (6, 1, 1).
8. Sabendo que os vetores

u e

v sao paralelos e que

u
v = 3 determine

u sendo
v = (2, 1, 1).
9. Determine o modulo da projecao do vetor
u = (2, 3, 4) sobre o vetor
v = (1, 1, 0)
e apos determine o vetor projecao.
10. Dado o triangulo de vertices A(1, 2, 1), B(1, 0, 1) e C(2, 1, 2) determine a me-
dida da projec ao do lado AB sobre o lado BC e a projecao do vertice A sobre o
lado BC.
11. Prove que as diagonais de um losango sao perpendiculares.
81
5.9 Produto vetorial ou externo
5.9.1 Denicao
Dados dois vetores

u e

v chama-se produto vetorial ou externo de

u por

v , nesta
ordem, denotado por

u

v , ao vetor com as seguintes caractersticas:
A direc ao de

u
v e ortogonal ao plano determinado por

u e

v .
O sentido de
u

v e aquele em que o triedro formado pelos vetores
u ,
v e
v
e orientado positivamente.
[
v [ = [

u [[
v [sen(), em que e o

Angulo formado por

u e

v .
Figura 5.8: Sentido do produto vetorial
Dado um paralelogramo formado por dois vetores

v
1
e

v
2
aplicados em um mesmo
ponto P, cujo o valor absoluto da area deste paralelogramo e igual a [

v
1
[[
v
2
[[sen()[ e
comparando com o modulo do produto vetorial conclui-se:
A = [
v
1

v
2
[.
82
Figura 5.9: Interpretac ao geometrica do produto vetorial
5.9.3 Propriedades
Dados os vetores

v
1
,

v
2
e

v
3
e os escalares a e b tem-se:
1. Propriedade associativa em relac ao aos escalares a e b: (a
v
1
)(b
v
2
) = (ab)(
v
1
v
2
)
2. Propriedade distributiva: (
v
1
+

v
2
)
v
3
=

v
1

v
3
+
v
2

v
3
ou

v
1
(
v
2
+

v
3
) =
v
1

v
2
+
v
1

v
3
3. Anti-comutativa:

v
1

v
2
=
v
2

v
1
4. Se

v
1

v
2
= 0 entao

v
1
=

0 ou

v
2
=

0 ou os vetores sao paralelos.
5.9.4 Expressao cartesiana do produto vetorial
Sejam os vetores

v
1
= x
1
i + y
1
j + z
1
k e

v
2
= x
2
i +y
2
j + z
2
k entao:
v
1

v
2
= (x
1
i +y
1
j + z
1
k ) (x
2
i +y
2
j + z
2
k ) (5.3)
Aplicando as propriedades dadas em (2.2.3), vem:

v
1
v
2
= x
1
x
2
i +x
1
y
2
j +x
1
z
2
k +y
1
x
2
i +y
1
y
2

j
j +y
1
z
2
k +
+z
1
x
2
i + z
1
y
2
j + z
1
z
2
k
mas

i
i =

j

j =

k
k =

0 e

i

j =
i =

k e
i

k =

k

i =

j e

j
k =
j =

i assim
v
1

v
2
= x
1
y
2

k x
1
z
2

j x
2
y
1
k + y
1
z
2
i + x
2
z
1
j y
2
z
1
i
83
v
1

v
2
= (y
1
z
2
y
2
z
1
)
i + (x
2
z
1
x
1
z
2
)

j + (x
1
y
2
x
2
y
1
)
v
1

v
2
=
y
1
z
1
y
2
z
2
x
1
z
1
x
2
z
2
j +
x
1
y
1
x
2
y
2
k
que, a partir do desenvolvimento por Laplace, pode ser escrita

v
1

v
2
=
i

j

k
x
1
y
1
z
1
x
2
y
2
z
2
5.9.5 Exerccios
1. Calcule (1, 3, 2) (2, 1, 1)
v =
i

j

k
1 3 2
2 1 1
= (3 2)
i + (4 1)
j + (1 6)
v = 5
i + 3
j 7
k
2. Determine um vetor unitario simultaneamente ortogonal a

v
1
=
j +
k e a
v
2
= 2
i +
v
1

v
2
=
i

j

k
1 1 1
2 1 1
= (0, 1, 1)
w =
(0, 1, 1)
[(0, 1, 1)[
=
(0, 1, 1)
2
=
_
0,
2
2
,
2
2
_
3. Determine a area do paralelogramo determinado pelos vetores

v
1
=

i 3
j + 2
k
e

v
2
=
i + 2
k .
A = [
v
1

v
2
[
v
1

v
2
=
i

j

k
1 3 2
1 2 1
= (1, 1, 1)
A = [(1, 1, 1)[ =
3 ua
4. Determine a area do triangulo de vertices A(1, 0, 1), B(0, 1, 3) e C(1, 2, 4).
84
AB = B A = (0, 1, 3) (1, 0, 1) = (1, 1, 2)
AC = C A = (1, 2, 4) (1, 0, 1) = (2, 2, 3)
AB
AC =

i

j

k
1 1 2
2 2 3
= (1, 1, 0)
A =
1
2
[(1, 1, 0)[ =
1
2
2 ua
5. Determine a medida da altura referente ao vertice A para o triangulo ABC do
exerccio anterior.
Sabe-se da geometria plana que a area de um triangulo e dada por A =
bh
2
, mas
exerccio anterior A =
2, assim,
2 = [
BC[h e,
h =
2
[(1, 1, 1)[
h =
3
uc
6. Demonstre a lei dos senos para um triangulo ABC.
A expressao que fornece a area de um triangulo pode escrita como A =
bh
2
ou
vetorialmente por A =
[
AB
AC[
2
=
[
BA
BC[
2
=
[
CA
CB[
2
.
ou ainda, utilizando a denicao de produto vetorial:
A =
[
AB[[
AC[sen(
A)
2
=
[
AB[[
BC[sen(
B)
2
=
[
AC[[
BC[sen(
C)
2
Dividindo ambos os membros da igualdade acima por [
AB[[
BC[[
AC[, vem:
sen(
A)
[
BC[
=
sen(
B)
[
AC[
=
sen(
C)
[
AB[
e como [
BC[ = a, [AC[ = b e [
AB[ = c escreve-se:
sen(
A)
a
=
sen(
B)
b
=
sen(
C)
c
.
5.10 Produto misto
5.10.1 Denicao
Dados tres vetores

v
1
,

v
2
e

v
3
, chama-se produto misto destes vetores, ao escalar

v
1
.(
v
2

v
3
).
85
Figura 5.10: Interpretacao geometrica do produto misto
Sabe-se da geometria espacial que o volume do paraleleppedo e dado pelo produto da
area da base pela altura, para a gura 5.10, o volume e o produto da area do paralelogramo
composto pelos vetores

v
1
e

v
2
, A
base
, pela altura h.
Mas A
base
= [
v
1

v
2
[ e h e a projecao do vetor

v
3
sobre o vetor

v
1

v
2
, ou seja,
h =

v
3
cos(), assim:
V = [
v
1

v
2
[[
v
3
[cos()
V = (
v
1

v
2
).
v
3
Finalmente, o volume de um paraleleppedo formado pelos vetores

v
1
,

v
2
e

v
3
e numeri-
camente igual ao modulo do produto misto destes vetores.
5.10.3 Propriedades
1.

v
1
.(

v
2

v
3
) = 0 se e somente um dos tres vetores for o vetor nulo ou se

v
2
for
paralelo a

v
3
ou se os vetores forem coplanares.
2.

v
1
.(

v
2

v
3
) =
v
2
.(
v
1

v
3
).
86
3. O produto misto nao se altera quando e trocada a ordem dos produtor escalar e
vetorial, isto e,

v
1
.(
v
2

v
3
) = (

v
1

v
2
).
v
3
.
4. (
v
1
+
v
2
).(
v
3

v
4
) =

v
1
.(
v
3

v
4
) +
v
2
.(
v
3

v
4
).
5. (a

v
1
).(
v
2

v
3
) =

v
1
.(a
v
2

v
3
) =

v
1
.(
v
2
a

v
3
) = a
_
v
1
.(

v
2

v
3
)
_
.
5.10.4 Expressao cartesiana do produto misto
Dados os vetores

v
1
= x
1
i + y
1

j + z
1
k ,

v
2
= x
2
i + y
2
j + z
2
k e

v
3
= x
3
i +
y
3
j + z
3

k , ent ao

v
1
.(
v
2

v
3
) = (x
1

i +y
1
j + z
1
k ).
i

j

k
x
2
y
2
z
2
x
3
y
3
z
3
v
1
.(

v
2

v
3
) = (x
1
i + y
1

j + z
1
k ).
_
y
2
z
2
y
3
z
3
x
2
z
2
x
3
z
3
j +
x
2
y
2
x
3
y
3
k
_
v
1
.(

v
2

v
3
) =
_
x
1
y
2
z
2
y
3
z
3
y
1
x
2
z
2
x
3
z
3
+ z
1
x
2
y
2
x
3
y
3
v
1
.(
v
2

v
3
) =
x
1
y
1
z
1
x
2
y
2
z
2
x
3
y
3
z
3
5.10.5 Exerccios
1. Determine (1, 2, 1).(0, 4, 1) (1, 0, 1)
(1, 2, 1).(0, 4, 1) (1, 0, 1) =
1 2 1
0 4 1
1 0 1
= 4 2 4 = 2
2. Determine o volume do tetraedro de vertices A(1, 1, 1), B(0, 1, 4), C(2, 1, 3) e
D(4, 5, 2).
O volume de um tetraedro de vertices A, B, C e D e igual a sexta parte do volume
do prisma de mesmos vertices, e, usando a interpretac ao geometrica do produto
87
misto tem-se:
V =
1
6
[
AB.
AC
AD[
V =
1
6
[
1 0 3
3 2 2
5 4 1
[
V =
1
6
[ 2 + 36 + 30 8[ =
56
6
uv
3. Determine o valor x para que o ponto A(4, 5, x) pertenca ao plano determinado
pelos pontos B(4, 4, 4), C(0, 1, 1) e D(3, 9, 4).
Para que A pertenca ao plano BCD e necessario que o volume do prisma ABCD
seja nulo, assim:
CA.
CB
CD = 0
4 6 x + 1
4 5 5
3 10 5
= 0
100 40x 40 + 90 15x 15 + 120 200 = 0
x = 1
4. Determine a equacao do plano BCD do exerccio anterior.
Tome A = (x, y, z)
CA.
CB
CD = 0
x y + 1 z + 1
4 5 5
3 10 5
= 0
25x + 15y + 15 40z 40 15z 15 + 20y + 20 50x = 0
25x + 35y 55z 20 = 0
5x + 7y 11z 4 = 0
5.11 Exerccios gerais
1. Dado o triangulo de vertices ABC, cujas medianas sao AM, BN e CP prove que
AM +
BN +
CP =

0
2. Demonstre que em qualquer quadrilatero os pontos medios dos lados sao os vertices
88
de um paralelogramo.
3. Demonstre que as diagonais de um paralelogramo se cortam mutuamente ao meio.
4. Demonstre que a base media de um trapezio e paralela às bases e igual a sua
semi-soma.
5. Sabendo que [
v
1
[ = 11, [
v
2
[ = 23 e [
v
1

v
2
[ = 30, calcule [
v
1
+
v
2
[.

v
1
e

v
2
formam um angulo de 60
o
e que seus modulos sao
rspectivamente iguais a 8 e 5. Calcule [

v
1

v
2
[ e [
v
1
+
v
2
[.
7. Num triangulo ABC sabe-se que Ge o baricentro. Demonstre que
GA+
GB+
GC =

0 .
8. Determine o modulo dos seguintes vetores:
(i)

v
1
= (2, 1, 2)
(ii)

v
2
= 6

i + 2
j 3
k
(iii)

v
3
=

i +
k
9. Normalize cada um dos vetores do exerccio (8) anterior.
10. Dados os pontos A(2, 2, 1) e B(3, 2, 6), determine o versor do vetor

AB.
11. Determine um vetor paralelo ao vetor

v = (2, 1, 2) que tenha modulo igual a 6.
12. Determine o valor de x para o vetor

v = (x, 2, 2x) tenha modulo igual a 7.
13. Sendo A, B, C e D vertices consecutivos de um paralelogramo, calcular as coor-
denadas do vertice D, sendo dados A(1, 3), B(5, 11) e C(6, 15).
14. Num paralelogramo ABCD sabe-se que A(1, 3, 2) e que as diagonais sao
AC(4, 2, 3)
e

BD(2, 0, 1). Calcule as coordenadas dos outros 3 vertices.
15. Determine o valor de r sabendo que os vetores

u = (1, 3, 10) e

v = (2, r, 20)
sao paralelos.
16. Justique que os vetores

v
1
=
i + 3
j + 4
k ,

v
2
= +
i 2
j 6
k e

v
3
=
89
3

i +
j 2
k podem ser os lados de um triangulo. Calcule o permetro e os comprimentos

das medianas deste triangulo.
17. Exprimir o vetor

v = 4
i

k como combinacao linear de

v
1
=

i ,

v
2
=
3

i + 2
j +
k e

v
3
=

i

j +
k .
18. Determine m para que os seguintes vetores sejam linearmente dependentes:
(i) (2, 5, 3), (1, 2, 3) e (m, 0, 2).
(ii) (1, 2, 3), (m1, 4, 6).
(iii) (m+ 1, 1, 0), (1, 0, 1) e (1, 2, 1)
19. Verique se os vetores

v
1
= 4

i +

j 3
k ,

v
2
= 3
j +
k e

v
3
= 2
j + 3
k sao
coplanares.
20. Determine o valor de m para que os vetores

v
1
= 2

i +

j +5
k ,

v
3
= m
i +6
j
e

v
3
= 2
i + 4
k sejam coplanares.

v
1
e

v
2
sao linearmente independentes, mostre que o vetor

v
1
+
v
2
tambem e LI.
22. Os vetores

v
1
= (2, 3, 6) e

v
2
= (1, 2, 2) estao aplicados no mesmo ponto A.
Determine as coordenadas do vetor

AB de modulo 3
42 e cuja direc ao e a direc ao da

bissetriz do angulo formado pelos vetores

v
1
e

v
2
.
23. Determine, em radianos, o angulo entre os vetores:
a)

u = (1, 0, 1),

v = (2, 10, 2)
b)

u = (
3
2
,
1
2
, 0),

v = (
3
2
,
1
2
,
3)
c)

u = (300, 300, 0),

v = (2000, 1000, 2000), dica: Procure vetores com coordenadas
mais simples tais que a medida do anguloe seja a mesma.
90
24. Se

u +
v +
w =

0 , [
u [ =
3
2
, [

v [ =
1
2
, [
w[ = 2, calcule

u .
v +
v .
w +

w.
u
25. Decomponha o vetor

u = (1, 3, 2) como a soma de dois vetores

w
1
e

w
2
, com
w
1
paralelo a (0, 1, 3) e

w
2
ortogonal e este ultimo.
26.Mostre que [
u +
v [
2
= [
u [
2
+ 2
u .
v +[

v [
2
.
27.Prove que as diagonais de um quadrado sao perpendiculares.
28. Ache um vetor unitario ortogonal aos vetores

u = (1, 3, 1) e

v = (3, 3, 3).
29. Ache

x tal que

x (

i +
k ) = (2, 2, 2) e [

x [ =
6.
30. Calcule a distancia de um ponto C à reta denida pelos pontos distintos A e B.
31. Determine os angulos internos do triangulo de vertices A(0, 3, 4), B(1, 2, 2) e
C(2, 1, 2).
32. Os vetores

v
1
e

v
2
sao dois lados consecutivos de um paralelogramo. Sabe-se que
[

v
1
[ = 4, [
v
2
[ = 2 e o angulo entre

v
1
e

v
2
e igual a 60
o
. Calcule o angulo formado pelas
diagonais deste paralelogramo.
33. Um vetor

v
1
forma com o eixo dos x um angulo de 60
o
e com os outros dois eixos
y e z angulos congruentes. Calcule as coordenadas de

v
1
.
34. Calcule a medida da projecao ortogonal do vetor

v
1
= (2, 0, 1) sobre a direcao
do vetor

v
2
= (2, 1, 3).
35. Calcule a area do triangulo de vertices A(1, 1, 2), B(2, 1, 0) e C(2, 3, 4).
36. Calcular a area do paralelogramo ABCD cujas diagonais sao

AC = (1, 3, 3) e
BD = (3, 3, 1).
37. Dados os vetores
v
1
= (0, 1, 2) e
v
2
= (3, 2, 1) determine as coordenadas do vetor

v
3
paralelo ao plano xOy e tal que

v
2
= 2(
v
1

v
3
).
38. Calcule o volume do tetraedro de vertices A(2, 1, 0), B(1, 2, 3), C(1, 2, 3) e
D(4, 2, 1).
39. Um tetradro tem volume igual a 4. Sabe-se que A(1, 3, 1), B(0, 2, 4) e C(2, 1, 3).
91
Determine o vertice D sabendo que ele pertence ao eixo Oy.
40. Caso as seguintes armac oes forem verdadeiras justique, caso falsas de um contra-
exemplo:
(i) Se

u .

v =

u .
w ent ao

v =

w
(ii) Se

u .
v =

u .
w entao

u (
w)
(iii)

u
v = [
u [.[

v [sen()
(iv) Os vetores

u ,

v e

u
v sao LI.
(v)

u
v =

v

u
(vi) Se

u
v +

v

w entao

v (
u +
w).
(vii) Se

u
v +
w ent ao (

u

w)
v
(viii) Se

u
v =

u
w ent ao

v =

w
(ix) (
v ).
w =

u
v .
w
92
Captulo 6
A reta no R
3
6.1 Equacoes da reta
6.1.1 Equacao vetorial
Dado um ponto A(x
0
, y
0
, z
0
) e um vetor

v = (a, b, c). Considere P(x, y, z) um ponto
generico da reta que passa por A e com a direc ao do vetor

v . Como o vetor

v e paralelo
ao vetor

AP, pode-se escrever:
AP = t
v ,
e ainda, P A = t
v , assim
P = A + t
v ,
que e a equac ao vetorial da reta.
6.1.2 Equacos parametricas
Dada a equac ao vetorial P = A + t
v e considerando A(x
0
, y
0
, z
0
),

v = (a, b, c) e
P(x, y, z), tem-se
(x, y, z) = (x
0
, y
0
, z
0
) + t(a, b, c)
93
e
_
_
x = x
0
+ at
y = y
0
+ bt
z = z
0
+ct
que sao as equac oes parametricas da reta.
6.1.3 Equacoes simetricas
Isolando o parametro t em cada uma das equacoes parametricas
_
_
x = x
0
+ at
y = y
0
+bt
z = z
0
+ct
, re-
sulta:
t =
x x
0
a
=
y y
0
b
=
z z
0
c
que sao as equac oes simetricas da reta.
6.1.4 Equacoes reduzidas
Das equacoes simetricas t =
x x
0
a
=
y y
0
b
=
z z
0
c
pode-se escrever, por exemplo:
_
_
_
y y
0
=
x x
0
a
z z
0
c
=
x x
0
a
e isolando a variavel y resulta:
y =
m(x x
0
)
l
+ y
0
y =
mx
l
+ y
0
mx
0
l
chamando
m
l
= p
1
e y
0
mx
0
l
= q
1
, vem:
y = p
1
x + q
1
Analogamente para a vari avel z, vem:
z = p
2
x +q
2
que sao as equac oes reduzidas da reta.
Exemplos:
94
1. Determine a equac ao vetorial da reta determinada pelos pontos A(1, 2, 1) e B(0, 1, 3).
Para determinar a equacao de uma reta e necessario ter:
Um ponto
Um vetor
Logo a equacao vetorial da reta e P = (1, 2, 1) + t(1, 3, 4)
2. Determine as equacoes parametricas da reta que passa pelo ponto A(2, 1, 1) e tem
a direc ao do vetor

v = (1, 3, 2).
Para determinar a equacao de uma reta e necessario ter:
Um ponto
Um vetor
Logo a equacao vetorial da reta e P = (2, 1, 1) + t(1, 3, 2).
As equac oes parametricas da reta sao r :
_
_
x = 2 + t
y = 1 + 3t
z = 1 + 2t
3. Dada a reta r :
x 3
2
=
y + 1
2
=
z
1
, determine o vetor diretor e dois pontos de r.
A(3, 1, 0)
B(5, 3, 1)
v = (2, 2, 1)
4. Determine o ponto em que a reta r :
_
_
x = 1 + t
y = 2 t
z = 1 2t
intercepta o plano yOz.
O plano yOz tem equacao
Assim para x = 0 resulta t =
O ponto de interse cao e A(0, 3, 1).
5. Determine o angulo entre as retas r :
_
_
x = 1 t
y = 2 2t
z = 1 2t
e s :
x + 1
2
=
y 3
2
=
z 2
1
.
Para determinar o angulo entre as duas retas deve-se conhecer os vetores diretores
das retas e apos calcular o produto escalar.
v
r
= (1, 2, 2) e

v
s
= (2, 2, 1)
v
r

v
s
= [

v
r
[[
v
s
[cos()
cos() =
0
9
= = arccos(0) =

2
95
6. Determine o valor de mpara que as retas r :
x
m
=
y 5
3
=
z + 2
2
e s :
_
_
x = 1 + 3t
y = 3 2t
z = 4 t
sejam ortogonais.
Para que duas retas sejam ortogonais basta que seus vetores diretores sejam ortog-
onais, isto e, o produto interno e igual a zero.
v
r
= (m, 3, 2) e

v
s
= (3, 2, 1)
3m6 2 = 0 = m = 8/3
7. Obtenha as equacoes simetricas da reta que passa por P(1, 2, 2) e e paralela à reta
determinada pelos pontos A(0, 1, 1) e B(1, 2, 4).
Retas paralelas possuem o mesmo vetor diretor

v
r
= (1, 3, 3).
x 1
1
=
y + 2
3
=
z 2
3
8. Calcule o valor de m para que as retas r :
_
_
x = 1 + t
y = 2 + mt
z = 1 2t
e s :
_
_
_
x = 4 + 2y
z = 2 y
sejam coplanares.
Para que duas retas sejam coplanares e necessario que seus vetores diretores e um
outro vetor formado por um ponto de uma reta com um ponto da outra reta sejam
coplanares.
v
r
= (1, m, 2)
v
s
= (2, 1, 1)
RS = (4, 0, 2) (1, 2, 1) = (3, 2, 1)

Condic ao de coplanaridade
1 m 2
2 1 1
3 2 1
= m = 11.
9. Determine o ponto de interse cao das retas r :
_
_
x = 2 + 3t
y = 4 + 5t
z = 2t
e s :
x + 1
2
=
y + 1
4
=
z + 2
1
.
Deve-se resolver o sistema de equac oes lineares formado pelas equac oes das retas.
96
Escrevendo as equacoes simetricas da reta r
r :
x 2
3
=
y 4
5
=
z
2
Resolvendo o sistema
_
_
x 2
3
=
y 4
5
x + 1
2
=
y + 1
4
= x = y = 1
Substituindo x = 1 na equac ao da reta s, por exemplo, vem z = 2 e o ponto de
interse cao e P(1, 1, 2).
10. Determine a distancia do ponto P(1, 1, 3) à reta determinada pelos pontos A(4, 3, 2)
e B(2, 2, 0).
A distancia do ponto P ate uma reta AB e numericamente igual à medida da altura
do paralelogramo formado pelos vetores

AP e

AB.
d =
2
11. Determine a distancia entre as retas r :
x
1
=
y
1
=
z 2
2
e s :
x + 1
2
=
y 1
2
=
z
4
.
Veja que as retas sao paralelas.
d =
30/3
12. Determine a distancia entre as retas r :
x
1
=
z 1
1
, y = 1 e s :
x 1
1
=
y 2
1
=
z 1
2
.
Veja que as retas sao reversas.
d =
2
3
3
6.2 Exerccios
1. Determine dois pontos distintos e o vetor diretor das seguintes retas:
(i) r :
_
_
x = 1 + 2t
y = t
z = 1 3t
(ii) s :
x 2
3
=
y + 1
2
=
z + 4
1
(iii) r :
_
_
_
y = x 1
z = 2x + 3
97
(iv) P = (1, 2, 1) + (1, 0, 3)
2. Quais sao os valores de a e b para que o ponto A(a, b, 2) pertenca à reta r :
_
_
x = 7 2t
y = 3 + t
z = 1 + 3t
?
3. Dada a reta s :
x + 5
3
=
y 1
2
=
z + 4
2
, determine as coordenadas do ponto P de
cota 6 pertencente a s.
4. Determine as equacoes parametricas das seguintes retas:
(i) r denida pelos pontos A(0, 1, 0) e B(1, 3, 1)
(ii) r paralela a s :
_
_
_
x = y 1
z = 2y 3
passando pelo ponto Q(2, 3, 0)
5. Determine as equacoes simetricas das seguintes retas:
(i) r denida pelos pontos A(1, 1, 0) e B(1, 3, 1)
(ii) r paralela a reta s :
_
_
x = 1 t
y = 2t
z = 5 3t
passando pelo ponto Q(2, 3, 6)
6. Determine as equac oes reduzidas da reta r que passa pelo ponto A(2,3,-5) e e paralela
ao eixo das ordenadas.
7. Determine a equacao vetorial da reta r que passa pelo ponto A(7,-4,6) e e perpen-
dicular ao plano x0y.
8. Dado o triangulo de vertices A(1, 2, 3), B(3, 6, 1) e C(0, 4, 7). Escreva a equacao
vetorial da reta suporte da mediana relativa ao lado AB.
9. Determine as equac oes parametricas da reta r que passa pelo ponto A(7,11,-5) e e
ortogonal aos eixos Ox e Oz.
10. Seja a reta r denida pelos pontos A(1, 2, 3) e B(1, 3, 1). Determine as equacoes
parametricas da reta s passando pelo ponto P(4, 7, 0) e paralela a r.
98
11. Determine a equacao vetorial da reta r que passa pela intersecao das retas r
1
:
_
_
x = 1 + t
y = 2 t
z = 3 + 2t
e r
2
:
_
_
x = 3
y = 4 4t
z = 7 3t
e e paralela a P = (2, 3, 6) + k(1, 5, 2)
12. Encontre o ponto de intersec ao da reta P = (2, 3, 1) + (1, 1, 2) com o plano
x0y, se existir.
13. Determine o angulo entre as retas:
(i) r denida pelos pontos A(1, 1, 1) e B(2, 3, 1) e s dada pelos pontos C(1, 1, 1)
e D(0, 1, 2).
(ii) r :
_
_
x = 3
y = 4t
z = 1 5t
e r :
_
_
_
x = z 1
y = 2z + 3
(iii) P = (0, 0, 0) + (2, 1, 2) e
y 4
4
=
z 5
3
, x = 2
14. Verique a posic ao relativa dos seguintes pares de retas.
(i) r :
_
_
_
y = 2x 3
z = x
e s :
x 2
3
=
y 4
6
=
z
3
(ii) r : P = (2, 0, 2) + (3, 2, 2) e s : P = (0, 1, 0) + (2, 2, 1)
(iii) r :
_
_
x = 2 + t
y = 3 + 2t
z = 1 2t
e s : P = (0, 3, 0) + (1, 4, 1)
15. Determine o valor de a para que as retas r : P = (1, 2, 3) +(2, 5, 1) e s :
x 3
4
=
y 1
a
=
z 3
2
sejam ortogonais.
16. Encontre as coordenadas do ponto P equidistante de A(1,1,4) e B(-6,6,4), que per-
tence ao eixo das ordenadas.
17. Mostre que a distancia entre duas retas reversas r : P
1
+
v
r
e s : P
2
+

v
s
e dada
por d(r, s) =
(P
2
P
1
).

v
r

v
s
[

v
r

v
s
[
.
99
Captulo 7
O plano no R
3
7.1 Equacao do plano
7.1.1 Equacao vetorial do plano
Seja o plano determinado pelo ponto A(x
o
, y
o
, z
o
) e pelos vetores

v
1
= (a
1
, b
1
, c
1
) e

v
2
= (a
2
, b
2
, c
2
).
Qualquer ponto P(x, y, z) do plano determinara um vetor

AP que sera combinac ao
linear dos vetores

v
1
e

v
2
, isto e:
AP = k
v
1
+ l

v
2
, assim:
P = A + k
v
1
+ l
v
2
que e a equac ao vetorial do plano.
7.1.2 Equacao geral do plano
Impondo que os vetores

AP,

v
1
e

v
2
sejam coplanares, vem:
100
x x
o
y y
o
z z
o
a
1
b
1
c
1
a
2
b
2
c
2
= 0 vem:
(b
1
c
2
b
2
c
1
)(x x
o
) + (a
2
c
1
a
1
c
2
)(y y
o
) + (a
1
b
2
a
2
b
1
)(z z
o
) = 0 que pode ser
escrita como:
ax + by +cz +d = 0
que e a equac ao geral do plano.
7.1.3 Equacao do plano que passa por um ponto e e ortogonal
a um vetor
Dada um ponto P
o
(x
o
, y
o
, z
o
) pertencente a um plano e um vetor
n = a
i +b
j +c
k
ortogonal a .
Seja P(x, y, z) um ponto generico do plano , ent ao os vetores P
o
P e

n sao ortogonais
e seu produto interno e nulo, assim:
(P P
o
)
n = 0
a(x x
o
) + b(y y
o
) + c(z z
o
) = 0
ax + by + cz + (ax
o
by
o
cz
o
) = 0
ax + by + cz + d = 0
Exemplos:
1. Determine a equac ao vetorial, as equac oes parametricas e a equac ao geral do plano
que contem o ponto A(1, 2, 2) e e paralelo aos vetores

v
1
= (2, 1, 3) e

v
2
=
(3, 1, 4).
Para ter-se a equac ao de um plano e necessario conhecer um ponto e dois vetores
do plano.
P = (1, 2, 2) +k(2, 1, 3) +l(3, 1, 4) = Equacao vetorial.
101
_
_
x = 1 2k + 3l
y = 2 + k +l
z = 2 + 3k + 4l
= Equacoes parametricas.
x 1 y + 2 z 2
2 1 3
3 1 4
= 0 =
4(x 1) 2(z 2) + 9(y + 2) 3(z 2) + 8(y + 2) 3(x 1) = 0
x + 17y 5z + 43 = 0
2. Achar a equac ao geral do plano que contem os pontos A(0, 4, 1) e B(1, 3, 2) e tem
a direc ao do vetor

v = (1, 3, 5).
x 0 y 4 z 1
1 1 1
1 3 5
= 0 =
3. Determine a intersecao do plano : 2x 3y + 4z = 12 com o plano x0y.
Plano x0y = z = 0 = r : 2x 3y = 12
4. Determine a intersecao do plano : 2x 3y + 4z = 12 com os eixos coordenados.
Eixo 0x = y = z = 0 = x = 6
Eixo 0y = x = z = 0 = y = 4
Eixo 0z = x = y = 0 = z = 3
5. Parametrize o plano de equac ao segmentaria
x
2
+
y
2
+
z
1
= 1.
_
_
x = 2k + 2l
y = 2k
z = 1 l
6. Determine a equacao do plano que contem A(4, 1, 2) e e ortogonal ao vetor

v =
(2, 3, 1).
2x + 3y + z + d = 0 = 2.4 + 3.(1) + 2 + d = 0 = d = 9 =
2x + 3y +z + 9 = 0
7. Obtenha um vetor unitario ortogonal ao plano :
2 x + y z + 5 = 0
n = (
2/2, 1/2, 1/2).

102
8. Determine a equac ao do plano que passa pelo ponto A(1, 1, 1) e e paralelo ao plano
: 2x 3y + z 5 = 0.
1
: 2x 3y + z = 0
9. Calcule o valor de k para que os planos : 3xy+z 4 = 0 e : kx+3yz 2 = 0
sejam ortogonais.
3k 3 1 = 0 = k = 4/3.
10. Determine a equac ao do plano ortogonal aos planos
1
: x y + z 2 = 0 e
2
: 2x + 3y z 1 = 0 e que contem o ponto A(1, 1, 1).
n = (1, 1, 1) (2, 3, 1)
11. Encontre a projecao ortogonal do ponto A(3, 1, 3) sobre o plano : x+y +z 4 = 0
Mostre que a projec ao P do ponto A e dada por P = A+
_
PAvers(

n )
_
vers(
n ).
P(2, 0, 2)
12. Determine o ponto simetrico do ponto A em relac ao ao plano do exemplo anterior.
13. Determine a distancia do ponto A(1, 0, 1) ao plano : 2x + 2y 2z + 3 = 0.
d =
3/2
14. Determine o angulo entre os planos
1
: x+2y3z 1 = 0 e
2
: 3xy+2z 5 = 0.
= arccos(5/14)
15. Determine o angulo que a reta r :
x 1
3
=
y 3
2
=
z
6
forma com o plano x0y.
= arcsen(6/7).
7.2 Exerccios
1. Determine o valor de a para que o ponto P(a, 3, 1) pertenca ao plano : 2x +
11y + 8z = 27.
2. Determine um vetor normal para os seguintes planos:
(i)
1
: x y z 2 = 0
(ii)
2
: x + z = 0
103
(iii)
3
: z = 0
3. Determine os pontos de interse cao do plano : 2x 3y + 4z 12 = 0 com os eixos
coordenados.
4. Determine a equacao vetorial e a equac ao geral do plano que passa pelos pontos
A(4, 2, 1), B(1, 1, 1) e C(3, 0, 2).
5. Encontre a equacao geral do plano que passa por P(1, 2, 3) e e paralelo ao plano
yOz.
6. Determine a equacao geral do plano que passa pelo ponto P(3, 1, 2) e e perpen-
dicular à reta
x 1
2
=
y + 1
1
=
z 2
1
.
7. Determine a equac ao geral do plano paralelo aos vetores

u
1
= (2, 0, 1) e

u
2
=
(1, 2, 1) e passa pelo ponto A(1, 1, 0).
8. Determine a equac ao geral do plano que contem a reta r :
_
_
_
x = 3 + 2y
z = 3 + 3y
e passa
pelo ponto A(0, 0, 6).
9. Verique se os pontos A(2, 1, 0), B(1, 2, 3), C(1, 2, 3) e D(4, 2, 1) pertencem a
um mesmo plano.
10. Verique a posic ao relativa dos planos:
(i)
1
: x 2y 3z + 5 = 0 e
2
: 2x + 4y + 6z 1 = 0
(ii)
1
: 3x + 4y + 4z 3 = 0 e
2
: 4x y + 2z 5 = 0
(iii)
1
: x 4y + 4z 3 = 0 e
2
: 4x + 3y + 2z 1 = 0
11. Determine o valor de para que os planos
1
: 3x y + 4z 3 = 0 e
2
: x y +
2z 5 = 0 sejam perpendiculares.
12. Determine o valor de e de para que os planos
1
: 3x y + 4z 3 = 0 e
2
: x + y + 2z 5 = 0 sejam paralelos.
13. Determine o angulo entre os planos
1
: x+y 2z +3 = 0 e
2
: 4x+2y +2z = 0.
104
14. Determine o angulo entre o plano
1
: x+y2z+3 = 0 e a reta r :
_
_
x = 3 t
y = 2 + t
z = 3 + t
.
15. Determine as equacoes simetricas da reta intersecao dos planos
1
: 2x3y+2z4 =
0 e
2
: x y +z + 2 = 0.
16. Determinar as equac oes reduzidas, em funcao de z, da reta r que passa pelo ponto
A(2, 3, 6) e e perpendicular ao plano : x 3y + 2z + 11 = 0.
17. Determine as coordenadas da projec ao ortogonal de P(3, 1, 3) sobre o plano :
x + y + z 4 = 0
18. Determine as coordenadas do ponto simetrico de P(3, 6, 1) em relacao ao plano
: x +y +z 13 = 0.
19. Mostre que a distancia do ponto P(x
o
, y
o
, z
o
) ao plano : ax + by + cz + d = 0 e
dada por
[ ax
o
+ by
o
+ cz
o
+d [
a
2
+b
2
+ c
2
.
20. Determinar as equac oes reduzidas, em funcao de z, da reta r que passa pelo ponto
A(2, 3, 6) e e perpendicular ao plano : x 3y + 2z + 11 = 0.
105
Captulo 8
Espaco Vetorial
8.1 Denicao
Espaco vetorial sobre um corpo K e um conjunto nao vazio V de elementos u, v, w, ,
chamados de vetores, munido das operacoes soma + : V V
+
V e multiplicac ao por
escalar . : RV
.
V, tais que, para todos u, v, w de V e a e b reais tenha-se:

A1 (u + v) + w = u + (v + w)
A2 u+v=v+u
A3 Existe um elemento 0, chamado vetor nulo, em V tal que u +0 = 0 + u = u
A4 Existe um elemento u em V tal que u + (u) = (u) + u = 0
M1 a.(u +v) = a.u + a.v
M2 (a + b).u = a.u + b.v
M3 (ab).u = a.(bu)
M4 1.u = u
106
8.1.1 Exemplos
1. O conjunto V = R
2
= (x, y)/x R, y R munido das operacoes + e . usuais e
um espaco vetorial.
Prova:
(A1)
_
(x
1
, y
1
) + (x
2
, y
2
)
_
+ (x
3
, y
3
) = (x
1
, y
1
) +
_
(x
2
, y
2
) + (x
3
, y
3
)
_
(A2) (x
1
, y
1
) + (x
2
, y
2
) = (x
2
, y
2
) + (x
1
, y
1
)
(A3) O = (0, 0) R
2
/(0, 0) + (x
1
, y
1
) = (x
1
, y
1
) + (0, 0) = (x
1
, y
1
)
(A4) (x, y) R
2
/(x, y) +
_
(x, y)
_
= (0, 0)
(M1) a
_
(x
1
, y
1
) + (x
2
, y
2
)
_
= a(x
1
, y
1
) + a(x
2
, y
2
)
(M2) (a + b)(x
1
, y
1
) = a(x
1
, y
1
) + b(x
1
, y
1
)
(M3) (ab)(x
1
, y
1
) = a
_
b(x
1
, y
1
)
_
(M4) 1(x
1
, y
1
) = (x
1
, y
1
)
2. V = R
n
= (x
1
, x
2
, x
3
, , x
n
)
3. V = R
22
= M(2, 2) =
_
_
_
a b
c d
_
_
/a, b, c, d R
_
4. V = P
n
(x) = a
0
+ a
1
x + a
2
x
2
+ +a
n
x
n
5. V = R
mn
= M(m, n)
8.2 Subespacos vetoriais
8.2.1 Denicao
Dado um espaco vetorial V, um subconjunto nao vazio W sera um subespaco vetorial
de V se:
1. Para todo u, v W tem-se u +v W.
2. Para todo u W e para todo a R tem-se au W.
107
Observac oes:
As condic oes da denicao acima dizem que o conjunto W e fechado em relacao às
operac oes + e . .
O vetor nulo sempre pertence ao subespaco W.
Todo espaco vetorial V admite dois subespacos triviais, que sao o proprio espaco e
aquele formado somente pelo vetor nulo.
8.2.2 Exemplos
1. W= (x, y)/y = 2x e um subespaco vetorial de V = R
2
. Prova:
(i) W R
2
(ii) W,= , pois existe (0, 0) W.
(iii) Para todo u, v W tem-se u + v W.
Sejam u = (x
1
, y
1
) e v = (x
2
, y
2
) vetores genericos de W= (x, y)/y = 2x, ou seja,
y
1
= 2x
1
e y
2
= 2x
2
u + v = (x
1
, y
1
) + (x
2
, y
2
) = (x
1
, 2x
1
) + (x
2
, 2x
2
) = (x
1
+ x
2
, 2x
1
+ 2x
2
)
= (x
1
+ x
2
, 2(x
1
+ x
2
))
Logo u +v pertence a W.
(iv) Para todo u W e para todo a R. tem-se au W.
Sejam u = (x
1
, y
1
) W e a R.
au = a(x
1
, y
1
) = a(x
1
, 2x
1
) = (ax
1
, a
_
2x
1
_
) = (ax
1
, 2
_
ax
1
_
) W.
Como as quatro armac oes sao vericadas W e um subespaco vetorial de R
2
2. W= (x, y, z)/x + y + z = 0 e um subespaco vetorial de V = R
3
.
Prova:
(i) W R
3
(ii) W,= , pois existe (0, 0, 0) W.
Sejam u = (x
1
, y
1
, z
1
) e v = (x
2
, y
2
, z
2
) vetores genericos de W= (x, y, z)/x+y+z =
0.
u + v = (x
1
, y
1
, z
1
) + (x
2
, y
2
, z
2
) = (x
1
+x
2
, y
1
+ y
2
, z
1
+ z
2
)
108
x
1
+ x
2
+y
1
+y
2
+ z
1
+ z
2
= (x
1
+ y
1
+z
1
) + (x
2
+ y
2
+z
2
) = 0 + 0 = 0
Sejam u = (x
1
, y
1
, z
1
) W e a R.
au = a(x
1
, y
1
, z
1
) = (ax
1
, ay
1
, az
1
).
ax
1
+ ay
1
+ az
1
= a(x
1
+ y
1
+ z
1
) = a0 = 0, logo au W.
3
3. Seja o espaco vetorial V = R
nn
= M(n, n). O conjunto das matrizes A
n,n
triangu-
lares superior, e um subespaco vetorial de V.
4. O conjunto de todas as solucoes de um sistema de equac oes lineares homogeneo com
n incognitas e um subespaco vetorial de R
n1
= M(n, 1).
Prova
Seja Ax = 0 um sistema linear de n incognitas e W o conjunto das solucoes de
Ax = 0.
(i) x R
n1
= M(n, 1), pois e um vetor coluna.
(ii) W,= , pois existe x = (0, 0, , 0) W.
Sejam u e v duas solucoes genericas de Ax = 0, isto e, Au = 0 e Av = 0.
Desejamos provar que u + v tambem e uma soluc ao, isto e u +v satiasfaz Ax = 0
a(u + v) = Au + Av = 0 + 0 = 0
Sejam u uma solucao de Ax = 0 e a R.
A(au) = a(Au) = a0 = 0.
Logo au W.
3
5. W= (x, y)/y = x
2
nao e um subespaco vetorial de V = R
2
.
Prova: Para provar que um conjunto nao e subespaco vetorial, basta exibir um
contra exemplo para uma das quatro armac oes, assim:
Tome u = (2, 4) W e u = (3, 9) W, mas, u + v = (6, 13) nao e um vetor de W.
Logo W nao e subespaco vetorial de R
2
.
109
6. O R
2
nao e subespaco vetorial do R
3
.
Prova:
Tome por exemplo (0, 0) R
2
mas (0, 0) nao pertence a R
3
, logo R
2
R
3
, assim
R
2
nao e subespaco vetorial do R
3
.
7. W= (x, y)/y = 2x 3 nao e subespaco vetorial de R
2
.
8. W= (x, y)/y 0 nao e subespaco vetorial do R
2
8.2.3 Intersecao de subespacos
Teorema 8.1 Dados dois subespacos vetoriais W
1
e W
2
de um mesmo espaco vetorial V,
a intersecao W
1
W
2
tambem e um subespaco vetorial de V.
Prova:
(i) Para todo u, v W tem-se u + v W.
Dados u e v pertencentes a W
1
W
2
deve-se provar que u + v tambem e um vetor
de W
1
W
2
.
Se u W
1
W
2
entao u W
1
e u W
2
.
Se v W
1
W
2
ent ao v W
1
e v W
2
.
Como W
1
e W
2
sao subespacos vetoriais ent ao u + v pertence a W
1
e a W
2
, logo
u + v W
1
W
2
.
(ii) Para todo u W e para todo a R tem-se au W.
Dados u pertencente a W
1
W
2
e a um escalar deve-se provar que au e um vetor
de W
1
W
2
.
Se u W
1
W
2
entao u W
1
e u W
2
.
Como W
1
e W
2
sao subespacos vetoriais ent ao au pertence a W
1
e a W
2
, logo
au W
1
W
2
.
Exemplos:
1. Tome V = R
3
, W
1
= (x, y, z) R
3
/xy = 0 e W
2
= (x, y, z) R
3
/x2y = 0
v W
1
W
2
= (x, y, z) R
3
/x = y = 0 e um subespaco vetorial do R
3
.
110
2. Considere V = R
33
, W
1
o subconjunto de V formado pelas matrizes triangulares
superiores e W
1
o subconjunto de V formado pelas matrizes triangulares inferiores.
W
1
W
2
e conjunto das matrizes diagonais, que e um subespaco vetorial de V =
R
33
.
3. Seja V = R
22
, W
1
=
_
_
a b
0 0
_
_
e W
2
=
_
_
a 0
c 0
_
_
.
W
1
W
2
=
_
_
a 0
0 0
_
_
, que e um subespaco vetorial de V = R
22
. Justique.
8.2.4 Soma de subespacos
Teorema 8.2 Dados dois subespacos vetoriais W
1
e W
2
de um mesmo espaco vetorial V,
a soma dos subespacos W
1
e W
2
, dada por
W
1
+W
2
= v V/v = w
1
+ w
2
, w
1
W
1
, w
2
W
2
e um subespaco vetorial de V.
Prova:
8.3 Combinacao linear
Denicao:
Sejam V um espaco vetorial, v
1
, v
2
, v
3
, , v
n
vetores de V e a
1
, a
2
, a
3
, , a
n
escalares.
Ent ao o vetor
v = a
1
v
1
+ a
2
v
2
+a
3
v
3
+ + a
n
v
n
e um vetor de V e e chamado de combinac ao linear dos vetores v
1
, v
2
, v
3
, , v
n
.
Exemplos:
1. Dado V = R
3
, escreva v = (1, 4, 5) como combinac ao linear de v
1
= (1, 2, 1) e
v
2
= (1, 1, 2).
111
2. Considere o espaco vetorial do polinomios de grau menor ou igual a 2, P
2
(x) =
a
0
+a
1
x+a
2
x
2
, a
i
R, i = 0, 1, 2. Verique se v = 1+x+x
2
e combinacao linear
de v
1
= x x
2
e v
2
= 1 x
2
.
8.4 Subespaco gerado
Denicao:
Chama-se subespaco gerado pelos vetores v
1
, v
2
, v
3
, , v
n
de um espaco vetorial V, de-
notado por [v
1
, v
2
, v
3
, , v
n
] ou spanv
1
, v
2
, , v
n
[v
1
, v
2
, v
3
, , v
n
] = v V/v = a
1
v
1
+ a
2
v
2
+ a
3
v
3
+ + a
n
v
n
.
Exemplos:
1. Verique se o vetor (3, 3, 2) pertence ao espaco vetorial gerado pelos vetores v
1
=
(2, 1, 1), v
2
= (1, 1, 0) e v
3
= (0, 1, 3).
2. Determine a relacao entre x,y e z para que o vetor v = (x, y, z) pertenca ao espaco
gerado por v
1
= (1, 1, 1) e v
2
= (2, 1 0).
3. Verique se o R
2
e gerado pelos vetores v
1
= (1, 0) e v
2
= (0, 1).
4. Forneca quatro vetores que gerem o espaco vetorial das matrizes de ordem 2 2.
8.5 Dependencia linear
Denicao:
Dados um espaco vetorial V e os vetores v
1
, v
2
, v
3
, , v
n
V. O conjunto v
1
, v
2
, v
3
, , v
n
sera linearmente independente (LI) se a equac ao a

1
v
1
+ a
2
v
2
+ a
3
v
3
+ + a
n
v
n
= 0 im-
plicar em a
1
= a
2
= a
3
, = a
n
= 0. Caso existir algum a
i
nao nulo o conjuto, ou os
vetores, serao chamados de linearmente dependentes (LD).
Exemplos:
112
1. Verique se os vetores v
1
= (1, 1) e v
2
= (1, 1) sao LI.
2. Verique se os vetores v
1
= (1, 1, 1), v
2
= (1, 1, 2) e v
2
= (1, 3, 4) sao LI.
3. Mostre que se os vetores u, v e w sao LI entao u +v, u + 2v w e v + 3w tambem
sao LI.
Teorema 8.3 O conjunto v
1
, v
2
, v
3
, , v
n
e LD se e somente se um desses vetores for
combinacao linear dos demais vetores.
Prova:
()
Hipotese: v
1
, v
2
, v
3
, , v
n
e LD.
Tese: v
i
e combinac ao linear dos outros vetores.
Se v
1
, v
2
, v
3
, , v
n
e LD ent ao em a
1
v
1
+a
2
v
2
+a
3
v
3
+a
n
v
n
= 0 existe um coeciente
a
i
,= 0, assim de a
1
v
1
+a
2
v
2
+a
3
v
3
+ +a
i
v
i
+ +a
n
v
n
= 0 pode-se escrever v
i
=
a
1
a
i
v
1
a
2
a
i
v
2

a
n
a
i
v
n
, isto e v
i
e combinac ao linear de v
1
+v
2
+v
3
+ +v
i1
+v
i+1
+ +v
n
()
Hipotese: v
i
e combinac ao linear dos outros vetores.
Tese: v
1
, v
2
, v
3
, , v
n
e LD.
Da hipotese escreve-se v
i
= a
1
v
1
+a
2
v
2
+a
3
v
3
+ +a
i1
v
i1
+a
i+1
v
i+1
+ +a
n
v
n
ou
ainda a
1
v
1
+a
2
v
2
+a
3
v
3
+ +a
i1
v
i1
v
i
+a
i+1
v
i+1
+ +a
n
v
n
= 0, como a
i
= 1 ,= 0
os vetores sao LD.
8.6 Base
Denicao:
Um conjunto v
1
, v
2
, v
3
, , v
n
de vetores de um espaco vetorial V sera uma base para
V se:
113
(i) v
1
, v
2
, v
3
, , v
n
e LI.
(ii) v
1
, v
2
, v
3
, , v
n
gera V.
Exemplos:
1. = (1, 0), (0, 1) e uma base para V = R
2
2. = (1, 3), (1, 3) nao e uma base para V = R
2
3. = 1 +x+x
2
, x+2x
2
, 1 x
2
e uma base para o espaco vetorial dos polinomios
de grau menor ou igual a 2.
4. Forneca a base canonica para o R
3
.
5. Determine uma base para o subespaco do R
4
, intersec ao dos subespacos W
1
gerdo
por pelo conjunto (1, 2, 1, 2), (1, 1, 2, 1), (2, 1, 1, 1) e W
2
gerado por (1, 0, 1, 2), (1, 1, 1, 2), (2, 1, 1, 2).
Seja v um vetor generico de intersec ao W
1
W
2
.
Ent ao v e uma combina cao linear dos vetores de W
1
e de W
2
, que se escreve:
v = a(1, 2, 1, 2) +b(1, 1, 2, 1) + c(2, 1, 1, 1)
v = d(1, 0, 1, 2) + e(1, 1, 1, 2) + f(2, 1, 1, 2)
Igualando vem:
_
_
a +b + 2c = d + e + 2f
2a + b +c = e + f
a + 2b +c = d + e + f
2a + b +c = 2d + 2e + 2f
Escalonando o sistema em funcao de a, b e c:
_
_
a +b + 2c = d + e + 2f
b 3c = 2d e 3f
b c = f
b + 3c = 2f
_
_
a +b + 2c = d + e + 2f
b 3c = 2d e 4f
4c = 2d e 4f
0 = 2d + e +f f = 2d e
Voltando ao vetor v, vem:
114
v = d(1, 0, 1, 2) + e(1, 1, 1, 2) + f(2, 1, 1, 2) = d(1, 0, 1, 2) + e(1, 1, 1, 2) + (2d
e)(2, 1, 1, 2)
v = d(1, 0, 1, 2) + e(1, 1, 1, 2) + d(4, 2, 2, 4) + e(2, 1, 1, 2)
v = d(1 4, 0 2, 1 2, 2 4) + e(1 2, 1 1, 1 1, 2 2)
v = d(3, 2, 1, 2) + e(1, 0, 0, 0)
Finalmente, tem-se que W
1
W
2
e gerado por (3, 2, 1, 2), (1, 0, 0, 0), ou
ainda = (3, 2, 1, 2), (1, 0, 0, 0) e uma base para W
1
W
2
.
Teorema 8.4 Sejam v
1
, v
2
, , v
n
vetores nao nulos que geram um espaco vetorial V.
Entao, pode-se extrair uma uma a partir deste vetores.
Prova:
Hipotese: v
1
, v
2
, , v
n
gera V.
Tese: Existe uma base formada a partir v
1
, v
2
, , v
n
.
Para que um conjunto seja uma base para V e necessario que gere V e que seja LI.
Como = v
1
, v
2
, , v
n
ja gera V, deve-se somente mostrar que v
1
, v
2
, , v
n
e LI.
Se = v
1
, v
2
, , v
n
for LI ent ao e base e ja esta provado.
Se = v
1
, v
2
, , v
n
for LD entao existe uma combinac ao linear entre estes vetores,
isto e, v
n
= a
1
v
1
+ a
2
v
2
+ +a
n1
v
n1
e assim v
1
, v
2
, , v
n1
continua gerando V.
Supondo, agora, que v
1
, v
2
, , v
n1
seja LI ent ao v
1
, v
2
, , v
n1
e base para V e o
teorema esta provado.
Caso v
1
, v
2
, , v
n1
for LD existe uma combinac ao linear entre eles, assim pode-se excluir
aquele vetor que e combinac ao linear dos demais e, v
1
, v
2
, , v
n2
e base para V.
Seguindo este raciocnio por uma quantia nita de passos, chega-se a um subconjunto
v
1
, v
2
, , v
r
de v
1
, v
2
, , v
n
, com r n, que e LI e ainda gera V, ou seja, e uma
base.
Teorema 8.5 Seja um espaco vetorial V gerado por um conjunto nito de vetores v
1
, v
2
, , v
n
.
Ent ao, qualquer conjunto com mais de n vetores e LD.
Prova:
Se v
1
, v
2
, , v
n
gera V entao, pelo teorema 8.4 pode-se extrair uma base a partir destes
vetores. Seja = v
1
, v
2
, , v
r
, r n, esta base.
115
Seja agora w
1
, w
2
, , w
m
um subconjunto qualquer de V com mais de n elementos,
m > n, ent ao:
_
_
w
1
= a
11
v
1
+ a
12
v
2
+ + a
1r
v
r
w
2
= a
21
v
1
+ a
22
v
2
+ + a
2r
v
r

w
m
= a
m1
v
1
+ a
m2
v
2
+ + a
mr
v
r
(8.1)
Para provar que w
1
, w
2
, , w
m
e LD deve-se mostrar que
b
1
w
1
+ b
2
w
2
+ + b
m
w
m
= 0 (8.2)
implica em b
i
,= 0, para algum i.
Substituindo 8.1 em 8.2 vem:
b
1
(a
11
v
1
+a
12
v
2
+ +a
1r
v
r
)+b
2
(a
21
v
1
+a
22
v
2
+ +a
2r
v
r
)+ +b
m
(a
m1
v
1
+a
m2
v
2
+ +a
mr
v
r
) = 0
Reescrevendo, tem-se:
(a
11
b
1
+a
21
b
2
+ +a
m1
b
m
)v
1
+(a
12
b
1
+a
22
b
2
+ +a
m2
b
m
)v
2
+ +(a
1r
b
1
+a
2r
b
2
+ +a
mr
b
m
)v
r
= 0
Como v
1
, v
2
, , v
r
e LI ent ao:
_
_
a
11
b
1
+a
21
b
2
+ + a
m1
b
m
= 0
a
12
b
1
+a
22
b
2
+ + a
m2
b
m
= 0

a
1r
b
1
+a
2r
b
2
+ + a
mr
b
m
= 0
que e um sistema
linear homogeneo de r equac oes com m incognitas b
1
, b
2
, , b
m
e como r n < m o
sistema e possvel e indeterminado, ou seja, existe um b
i
nao nulo, logo w
1
, w
2
, , w
m
sao LD.
Teorema 8.6 Qualquer base de um espaco vetorial V tem sempre o mesmo n umero de
elementos.
Prova:
Sejam
1
= v
1
, v
2
, , v
n
e
2
= w
1
, w
2
, , w
m
duas bases de V. Como
1
e base
gera V e
2
por ser base e LI, entao pelo teorema 8.5 m n e, por outro lado, se
2
gera
V e
1
e LI ent ao n m, logo m = n.
116
Denicao:
Dado um espaco vetorial V. Chama-se dimensao de V, denotado por dim(V), a quantidade
de vetores de uma base.
Exemplos:
1. Como a base canonica de V = R
2
e = (1, 0), (0, 1) entao dim(R
2
) = 2.
2. dim(R
3
= 3
3. dim(P
2
(x) = 3, porque a base canonica deste espaco e = 1, x, x
2
.
4. dim(M
22
) = 4
Teorema 8.7 Qualquer de vetores LI de um espaco vetorial V de dimensao nita pode ser
completado de modo a formar uma base.
Prova:
Seja v
1
, v
2
, , v
r
um conjunto LI de V com dim(V) = n, assim pelo teorema 8.5 r n.
Se v
1
, v
2
, , v
r
gerar V ja tem-se uma base e assim o teorema ja esta provado.
Caso v
1
, v
2
, , v
r
nao gere V existe v
r+1
V que nao e combinac ao linear de v
1
, v
2
, , v
r
,
logo v
1
, v
2
, , v
r
, v
r+1
e LI.
Se
1
= v
1
, v
2
, , v
r
, v
r+1
gerar V entao
1
e base para V.
Caso contr ario existe v
r+2
que nao pertence ao espaco gerado por v
1
, v
2
, , v
r
, v
r+1
e
novamente
2
= v
1
, v
2
, , v
r+2
e LI e se
2
gerar V sera base e a demonstrac ao estara
concluda, caso contr ario o procedimento usado deve ser realizado , continuadamente, ate
obter-se n vetores LI que gerem V.
Corolario 8.8 Qualquer de n vetores LI de um espaco vetorial V de dimensao n sera

uma base de V.
Prova:
Se este conjunto de n vetores nao formar uma base ele poderia ser completado ate ser
formada uma base, que teria mais de n vetores, absurdo pelo teorema 8.6.
117
Teorema 8.9 Se W
1
e W
2
sao subespacos vetoriais de um espaco vetorial V de dimensao
nita, entao dim(W
1
) dim(V), dim(W
2
) dim(V) e dim(W
1
+ W
2
) = dim(W
1
) +
dim(W
2
) dim(W
1
W
2
)
Prova:
Observe que W
1
W
2
e um subespaco tanto de W
1
qunato de W
2
. Supondo que
dim(W
1
) = m, dim(W
2
) = n e dim(W
1
W
2
) = r. Supondo ainda que v
1
, v
2
, , v
r
e
uma base para W
1
W
2
. Pelo teorema 8.7, pode-se extender v
i
para uma base de W
1
e para uma base de W
2
que respectivamente sao:
v
1
, , v
r
, u
1
, , u
mr
e v
1
, , v
r
, w
1
, , w
nr
.
Seja = v
1
, , v
r
, u
1
, , u
mr
, w
1
, , w
nr
que possui exatamente m + n r ele-
mentos. Assim para que o teorema estaja provado basta mostrar que e uma base para
W
1
+ W
2
. Como v
i
, u
j
gera W
1
e v
i
, w
k
gera W
2
a sua uniao u
i
, v
j
, w
k
ira gerar
W
1
+W
2
, logo e necessario mostrar que e LI.
Seja
a
1
v
1
+ + a
r
v
r
+ b
1
u
1
+ + b
mr
u
mr
+ c
1
w
1
+ + c
nr
w
nr
= 0 (8.3)
em que a
i
, b
j
, c
k
sao escalares. Seja
v = a
1
v
1
+ + a
r
v
r
+ b
1
u
1
+ + b
mr
u
mr
(8.4)
Por 8.3 tem-se tambem que
v = c
1
w
1
c
nr
w
nr
(8.5)
Como [u
i
, v
j
] W
1
vem que v W
1
e como [w
k
] W
2
, v W
2
, por 8.5. Conse-
quentemente, v W
1
W
2
. Mas [v
i
] e uma base de W
1
W
2
e assim existem escalares
d
1
, d
2
, , d
r
para os quais v = d
1
v
1
+ +d
r
v
r
. Assim por 8.5, vem
d
1
v
1
+ + d
r
v
r
+c
1
w
1
+ + c
nr
wn r = 0 (8.6)
Mas v
i
, w
k
e uma base para W
2
e assim e LI, logo pela equac ao 8.6 tem-se c
1
= =
c
nr
= 0, que substituindo em 8.3 resulta:
a
1
v
1
+ + a
r
v
r
+ b
1
w
1
+ + b
mr
w
mr
= 0
118
Mas v
i
, u
j
e uma base de W
1
, logo LI e, pela equacao acima tem-se
a
1
= = a
r
= b
1
= = b
mr
= 0
Como a equac ao 8.3 implica que os coecientes a
i
, b
j
e c
k
sao todos nulos, tem-se que
e LI.
Soma direta
Denicao: Um espaco vetorial V e uma soma direta de seus subespacos W
1
e W
2
,
denotado por V = W
1
W
2
se todo todo vetor v V puder ser escrito de modo unico
como v = w
1
+ w
2
, em que w
1
W
1
e w
2
W
2
.
Teorema 8.10 O espaco vetorial V e a soma direta de seus subespacos W
1
e W
2
se e
somente se:
(i) V = W
1
+W
2
(ii) W
1
W
2
= 0
Prova:
Suponha V = W
1
W
2
, assim v = w
1
+ w
2
, em que w
1
W
1
e w
2
W
2
, isto e
particularmente V = W
1
+W
2
.
Supondo agora que v W
1
W
2
, ent ao:
v = v +0 em que v W
1
e 0 W
2
,
v = 0 + v em que 0 W
1
e v W
2
.
Consequentemente W
1
W
2
= , pelo fato de v = w
1
+ w
2
ser escrito de modo unico.
Supondo V = W
1
+ W
2
e W
1
W
2
= . Seja v V e como V = W
1
+ W
2
, existem
w
1
W
1
e w
2
W
2
, tais que v = w
1
+w
2
. Deve-se mostrar que tal soma e unica e, para
isso, escreva v = w
1
+ w
2
, entao
v = w
1
+ w
2
= w
1
+ w
2
e assim w
1
w
1
= w
2
w
2
Mas w
1
w
1
W
1
e w
2
w
2
W
2
mas W
1
W
2
= logo:
119
w
1
w
1
= 0 e w
2
w
2
= 0
assim
w
1
= w
1
e w
2
= w
2
e a soma v = w
1
+w
2
e unica.
Exemplo:
Sejam W
1
= (x, y, z) R
3
/x+y z = 0 e W
1
= (x, y, z) R
3
/xy = 0, determine:
(i) Uma base para W
1
(ii) dim(W
1
)
(iii) Uma base para W
2
(iv) dim(W
2
)
(v) Uma base para W
1
+W
2
(vi) dim(W
1
+W
2
)
(vii) dim(W
1
W
2
)
(viii) Uma base para W
1
W
2
Solucao:
(i) Uma base para W
1
Seja v = (x, y, z) W
1
ent ao x + y z = 0, isto e, z = x + y assim v = (x, y, z) =
(x, y, x + y)
v = (x, 0, x) + (0, y, y)
v = x(1, 0, 1) + y(0, 1, 1), isto e, v e combinacao linear de (1, 0, 1) e de (0, 1, 1) que
sao LI (prove), assim
1
= (1, 0, 1), (0, 1, 1) e base para W
1
.
(ii) dim(W
1
) = 2
120
(iii) Uma base para W
2
Seja v = (x, y, z) W
2
ent ao x y = 0, isto e, x = y assim v = (x, y, z) = (x, x, z)
v = (x, x, 0) + (0, 0, z)
v = x(1, 1, 0) + z(0, 0, 1), isto e, v e combinacao linear de (1, 1, 0) e de (0, 0, 1) que
sao LI (prove), assim
2
= (1, 1, 0), (0, 0, 1) e base para W
2
.
(iv) dim(W
2
) = 2
(v) Uma base para W
1
+W
2
W
1
+W
2
= v V/v = w
1
+ w
2
, w
1
W
1
, w
2
W
2
Como v = w
1
+ w
2
, w
1
W
1
, w
2
W
2
ent ao v e uma combinac ao linear de vetores
de W
1
e de W
2
, isto e, e gerado por (1, 0, 1), (0, 1, 1), (1, 1, 0), (0, 0, 1).
agora, escalonando estes quatro vetores,
_
_
_
_
_
_
_
_
1 0 1
0 1 1
1 1 0
0 0 1
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
1 0 1
0 1 1
0 1 1
0 0 1
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
1 0 1
0 1 1
0 0 2
0 0 1
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
1 0 1
0 1 1
0 0 1
0 0 0
_
_
_
_
_
_
_
_
Logo = (1, 0, 1), (0, 1, 1), (0, 0, 1).
(vi) dim(W
1
+W
2
) = 3, assim W
1
+W
2
= R
3
(vii) dim(W
1
W
2
)
Pelo teorema 8.9 dim(W
1
+W
2
) = dim(W
1
) + dim(W
2
) dim(W
1
W
2
)
3 = 2 + 2 dim(W
1
W
2
), logo dim(W
1
W
2
) = 1
(viii) Uma base para W
1
W
2
W
1
W
2
= (x, y, z)/x +y z = 0 e x y = 0
Resolvendo o sistema
_
_
_
x + y z = 0
x y = 0
, vem:
x = y =
z
2
W
1
W
2
= (z/2, z/2, z) = z(1/2, 1/1, 1)
Logo uma base para W
1
W
2
e
inter
= (1, 1, 2).
Teorema 8.11 Dada uma base ordenada = v
1
, v
2
, , v
n
de um espaco vetorial V
entao todo vetor v V e escrito de forma unica como v = a
1
v
1
+ a
2
v
2
+ + a
n
v
n
.
121
Prova:
Como e base entao v = a
1
v
1
+a
2
v
2
+ +a
n
v
n
, agora suponha que v possa ser escrito
como uma outra combinac ao linear dos elementos de , como v = b
1
v
1
+b
2
v
2
+ +b
n
v
n
,
a
i
,= b
i
, i, j.
Igualando as duas combinac oes lineares, vem:
a
1
v
1
+ a
2
v
2
+ +a
n
v
n
= b
1
v
1
+ b
2
v
2
+ +b
n
v
n
ou ainda
(a
1
b
1
)v
1
+ (a
2
b
2
)v
2
+ + (a
n
b
n
)v
n
= 0
como e base entao a
1
b
1
= a
2
b
2
= = a
n
b
n
= 0, absurdo.
Denicao:
Dados v V e = v
1
, v
2
, , v
n
uma base ordenada de um espaco vetorial V em
que v = a
1
v
1
+ a
2
v
2
+ + a
n
v
n
. Os coecientes v = a
1
, a
2
, , a
n
serao chamados de
coordenadas do vetor em relac ao à base e denotado por [v]
=
_
_
_
_
_
a
1
.
.
.
a
n
_
_
_
_
_
. Exemplos:
1. Seja V = R
2
e = (1, 0), (0, 1) sua base canonica ordenada. Entao v = (2, 3)
pode ser escrito como (2, 3) = a(1, 0) + b(0, 1), em que a = 2 e b = 3, logo as
coordenadas de v em relac ao a sao [v]
=
_
_
2
3
_
_
2. Seja = (3, 5), (1, 1) base ordenada do R
2
. Determine as coodenadas de
v = (1, 1) em relac ao a .
(1, 1) = a(3, 5) +b(1, 1)
_
_
_
3a b = 1
5a + b = 1
.
Logo a = 1 e b = 4 e assim [v]
=
_
_
1
4
_
_
.
3. Determine as coordenadas de p = 2+2xx
2
em relacao à base = 2x+x
2
, 1+
3x x
2
, 1 x
2
.
2 + 2x x
2
a(2 x + x
2
) + b(1 + 3x x
2
) + c(1 x
2
)
122
_
_
2a b + c = 2
a + 3b = 2
a b c = 1
.
Resolvendo o sistema vem [v]
=
_
_
_
_
_
1
1
1
_
_
_
_
_
.
8.7 Mudanca de base
Na sec ao anterior, foi visto e possvel representar um vetor de um espaco vetorial V
por meio de suas coordenadas em relacao a uma base . Agora, como num espaco vetorial
existem varias bases, nesta sec ao, sera mostrado como e possvel relacionar as coordenadas
de um vetor em relacao a duas bases diferentes.
Sejam = u
1
, u
2
, , u
n
e
= w
1
, w
2
, , w
n
duas bases ordenadas de um
espaco vetorial V. Dado um vetor v V ent ao escreve-se:
v = x
1
u
1
+ x
2
u
2
+ +x
n
u
n
v = y
1
w
1
+ y
2
w
2
+ +y
n
w
n
(8.7)
assim as coordenadas de v em relac ao à base e:
[v]
=
_
_
_
_
_
_
_
_
x
1
x
2
.
.
.
x
n
_
_
_
_
_
_
_
_
e em relac ao a
e:
[v]
_
_
_
_
_
_
_
_
y
1
y
2
.
.
.
y
n
_
_
_
_
_
_
_
_
Como = u
1
, u
2
, , u
n
e base de V ent ao cada um dos vetores w
i
de
e combinac ao
123
linear dos vetores u
i
, assim:
_
_
w
1
= a
11
u
1
+ a
21
u
2
+ + a
n1
u
n
w
2
= a
12
u
1
+a
22
u
2
+ + a
n2
a
n
.
.
.
w
n
= a
1n
u
1
+ a2nu
2
+ + a
nn
u
n
(8.8)
Substituindo 8.8 em 8.7 vem:
v = y
1
(a
11
u
1
+ a
21
u
2
+ + a
n1
u
n
) + + y
n
(a
1n
u
1
+ a
2n
u
2
+ + a
nn
u
n
)
v = (a
11
y
1
+a
12
y
2
+ + a
1n
y
n
)u
1
+ + (a
n1
y
1
+ a
n2
y
2
+ + a
nn
y
n
)u
n
Mas v = x
1
u
1
+x
2
u
2
+ +x
n
u
n
e como as coordenadas de um vetor em relacao a uma
base sao unicas, vem:
x
1
= a
11
y
1
+ a
12
y
2
+ + a
1n
y
n
x
2
= a
21
y
1
+ a
22
y
2
+ + a
2n
y
n
.
.
.
x
n
= a
n1
y
1
+ a
n2
y
2
+ + a
nn
y
n
Em forma matricial
_
_
_
_
_
_
_
_
x
1
x
2
.
.
.
x
n
_
_
_
_
_
_
_
_
=
_
_
_
_
_
a
11
a
1n
.
.
.
.
.
.
.
.
.
a
n1
a
nn
_
_
_
_
_
_
_
_
_
_
_
_
_
y
1
y
2
.
.
.
y
n
_
_
_
_
_
_
_
_
ou resumidamente
[v]
= [I]
[v]
,
em que
[I]
=
_
_
_
_
_
_
_
_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
nn
_
_
_
_
_
_
_
_
e a matriz de mudan ca da base
para a base .
Exemplo: Sejam = (1, 2), (3, 5) e
= (1, 0), (0, 1) duas bases do R

2
. Determine
a matriz de mudanca da base
para a base .
(1, 0) = a(1, 2) + b(3, 5)
124
(1, 0) = (a + 3b, 2a + 5b)
Resolvendo o sistema tem-se a = 5 e b = 2
(0, 1) = c(1, 2) + d(3, 5)
(0, 1) = (c + 3d, 2c + 5d)
Resolvendo o sistema vem c = 3 e d = 1
Assim [I]
=
_
_
5 3
2 1
_
_
Como complemento observe que para determinar as coordenadas do vetor v = (1, 1)
em relacao à base , basta em [v]
= [I]
[v]
substituir [I]
e [v]
, isto e:
[v]
=
_
_
5 3
2 1
_
_
_
_
1
1
_
_
[v]
=
_
_
2
1
_
_
Veja que neste caso, o calculo das coordenadas de apenas um vetor, seria mais simples
resolver, diretamente, o sistema (1, 1) = a(1, 2) + b(3, 5).
Inversa da matriz de mudanca de base
Se, anteriormente, tivessemos escrito os vetores de como combinacao linear dos
vetores de
chegariamos a
[v]
= [I]
[v]
(8.9)
em que [I]
e a matriz de mudanca de base da base para a base
.
Como os vetores de uma base sao LI, vem que [I]
e inversvel e assim multiplicando

ambos os membros de 8.9 por
_
[I]
_
1
, vem:
[v]
=
_
[I]
_
1
[v]
Logo:
[I]
=
_
[I]
_
1
125
8.8 Exerccios
1. Seja V o espaco vetorial de todas as matrizes 2 2 sobre o corpo real. Verique
qual dos subconjuntos abaixo e subespaco vetorial de V:
a) W formado por todas as matrizes com determinante nulo.
b) W formado por todas as matrizes triangular superior.
c) W formado por todas as matrizes com a
1,1
= 0.
d) W formado por todas as matrizes S tais que S
2
= S.
2. Seja V o espaco vetorial de todas os polinomios a
0
+a
1
x +
2
x
2
+ +a
n
x
n
sobre o
corpo real. Verique qual dos subconjuntos abaixo e subespaco vetorial de V:
a) W formado por todos os polinomios com coecientes inteiros.
b) W formado por todos os polinomios de grau menor ou igual a 4.
c) W formado por todos os polinomios que passam pela origem.
d) W formado por todos os polinomios de expoentes pares.
3. Vericar se o R
2
munido das operacoes nao usuais (x
1
, y
1
)+(x
2
, y
2
) = (x
1
+x
2
, y
1
y
2
)
e (x
1
, y
1
) = (x
1
, y
1
) e um espaco vetorial.
4. Verique se no espaco vetorial das func oes reais de vari aveis reais, o conjunto de
todas as func oes f tais que f(x +1) = f(x) +f(0) e um subespaco vetorial, sujeito
as operacoes usuais.
5. Verique se W = (x, y, z) R
3
/y = 2x, z = 3x e um subespaco vetorial do R
3
.
6. Verique se W = (x, y) R
2
/y = x e um subespaco vetorial do R
3
.
3
/y = x, z = 1 e um subespaco vetorial do R
3
.
8. Verique se W = (x, y) R
2
/xy = 0 e um subespaco vetorial do R
2
.
3
/x 0 e um subespaco vetorial do R
3
.
10. Mostre que o conjunto de todas as matrizes reais da forma
_
_
a b
b c
_
_
e um sube-
spaco vetorial do R
22
.
126
11. Escreva a matriz A =
_
_
3 1
1 1
_
_
como combinac ao linear das matrizes B =
_
_
1 1
1 0
_
_
, C =
_
_
0 0
1 1
_
_
e D =
_
_
0 2
0 1
_
_
12. Determine a relac ao existente entre a, b e c de modo que w = (a, b, c) pertenca ao
espaco gerado por u, v, onde u = (1, 3, 2) e v = (2, 1, 1).
13. Verique se o vetor (1, 2, 3) pertence ao espaco gerado por (0, 1, 5), (3, 4, 1).
14. Mostre que os vetores (1, 2) e (2, 1) geram o R
2
.
15. Mostre que os vetores (1, 2, 1) e (2, 1, 0) e (3, 1, 1) nao geram o R
3
.
16. Determine o valor de k para que o conjunto A = (1, k), (k, 4) forme uma base
para o R
2
.
17. Complete o conjunto A = (1, 1, 1), (1, 1, 0) de modo que forme uma base para o
espaco vetorial R
3
.
18. Verique se o conjunto =
_
_
_
_
_
_
_
2
3
2
_
_
_
_
_
,
_
_
_
_
_
1
1
1
_
_
_
_
_
_
_
e uma base para o espaco gerado
por A =
_
_
_
_
_
_
_
1
2
3
_
_
_
_
_
,
_
_
_
_
_
5
8
7
_
_
_
_
_
,
_
_
_
_
_
3
4
1
_
_
_
_
_
_
_
19. Complete o conjunto A = p
1
(x), p
2
(x), p
3
(x), de modo que este forme uma base
para o espaco vetorial dos polinomios de grau menor ou igual a 3, sendo p
1
(x) =
x
3
x
2
2x + 1, p
2
(x) = 2x
3
+ 3x
2
x 1 e p
1
(x) = x
3
2x 3.
20. Determine uma base para o espaco vetorial das soluc oes do sistema
_
_
x + 2y z = 0
2x + 5y + 2z = 0
x + 4y + 7z = 0
x + 3y + 3z = 0
.
21. Determine um sistema de equacoes lineares no qual o conjunto soluc ao seja gerado
pelos vetores v
1
= (2, 1, 0, 0) e v
2
= (1, 0, 1, 1).
127
22. Determine uma base para o subespaco intersec ao dos subespacos vetoriais W
1
e W
2
gerados por
_
_
_
_
_
1 2
1 2
_
_
,
_
_
1 1
2 1
_
_
,
_
_
2 1
1 1
_
_
_
_
_
e
_
_
_
_
_
1 0
1 2
_
_
,
_
_
1 1
1 2
_
_
,
_
_
2 1
1 2
_
_
_
_
_
,
respectivamente.
23. Determine uma base para o subespaco soma W
1
+W
2
, onde W
1
= span(1, 2, 1), (0, 1, 1)
e W
1
= span(0, 2, 2), (1, 1, 1).
24. Determine uma base para o subespaco vetorial do R
4
que e gerado pelo conjunto
de vetores (1, 1, 1, 1), (1, 2, 1, 2), (1, 1, 1, 1), (1, 4, 1, 4).
25. Ache dois vetores u, v de R
3
tais que se w = (1, 1, 1), entao R
3
= spanu, v, w.
26. Classique as seguintes armac oes como verdadeiras ou falsas. Caso verdadeira
justique, caso falsa de um contra-exemplo.
a) Se Z = 0 e o subespaco trivial, entao dimZ = 0, porque a base para esse
espaco e o conjunto vazio.
b) Seja L uma reta passando pela origem em R
3
, entao dimL = 1, porque uma
base para L consiste de um vetor nao nulo sobre L.
c) Se T e um plano passando pela origem em R
3
, entao dimT = 2 porque um
conjunto gerador mnimo para T deve conter 2 vetores de T.
d) dimR
3
= 3 porque os tres vetores unitarios
_
_
_
_
_
_
_
1
0
0
_
_
_
_
_
,
_
_
_
_
_
0
1
0
_
_
_
_
_
,
_
_
_
_
_
0
0
1
_
_
_
_
_
_
_
, con-
stitui uma base para o R
3
.
e) dimR
n
= n porque os vetores unitarios e
1
, e
2
, , e
n
em R
n
formam uma
base.
f) O conjunto 1, x, x
2
, , x
n
e uma base para o espaco vetorial dos polinomios
de grau menor ou igual a n.
27. Justique porque podemos extrair uma base para um espaco vetorial V a partir de
um conjunto de vetores nao nulos que geram V.
28. Justique porque se n vetores geram um espaco vetorial V qualquer conjunto com
mais de n vetores de V sao LI.
128
29. Sejam u = (2, 1, 1), v = (0, 1, 1) e w = (2, 1, 3). Mostre que spanu +w, v w
spanu, v, w.
129
Captulo 9
Transformac oes Lineares
9.1 Denicao e Teoremas
Denicao 9.1 Sejam U e V dois espacos vetoriais sobre um mesmo corpo F. Uma
transformacao linear T de U em V e uma aplicacao T : U V tal que, para todos vetores
u e v de U e todo escalar a do corpo F, tenha-se:
1. T(u+v)=T(u)+T(v)
2. T(au)=aT(u)
As condic oes da denic ao 9.4 podem ser condensadas para
T(au + bv) = aT(u) + bT(v)
para todo b F.
Ezemplo 1: T : R
2
R
2
denida por T(x, y) = (x y, 2x + y) e uma transformac ao
linear do R
2
no R
2
.
Prova:
(1) Deve-se mostrar que T(u + v) = T(u) + T(v) vale para todos u, v R
2
.
Sejam u = (x
1
, y
1
) e v = (x
2
, y
2
) vetores do R
2
.
T(u + v) = T
_
(x
1
, y
1
) + (x
2
, y
2
)
_
= T
_
(x
1
+ x
2
, y
1
+ x
2
)
_
=
T(u + v) =
_
(x
1
+ x
2
) (y
1
+ y
2
), 2(x
1
+ x
2
) + (y
1
+ y
2
))
_
130
T(u + v) = (x
1
+ x
2
y
1
y
2
, 2x
1
+ 2x
2
+ y
1
+ y
2
)
T(u + v) = (x
1
y
1
+ x
2
y
2
, 2x
1
+ y
1
+ 2x
2
+ y
2
)
T(u + v) = (x
1
y
1
, 2x
1
+ y
1
) + (+x
2
y
2
, 2x
2
+ y
2
)
T(u + v) = T(u) + T(v)
(2) Deve-se mostrar que T(au) = aT(u) vale para todo u R
2
e para todo a R.
Sejam u = (x
1
, y
1
) R
2
e a R.
T(au) = T
_
a(x
1
, y
1
)
_
= T(ax
1
, ay
1
)
T(au) = (ax
1
ay
1
, 2ax
1
+ay
1
)
T(au) = a(x
1
y
1
, 2x
1
+ y
1
)
T(au) = aT(u)
Ezemplo 2: Considere uma matriz A
mn
sobre o corpo dos reais e X uma matriz
coluna n 1, que podemos identicar como um vetor do R
n
. A aplicacao T : R
n
R
m
dada por T(x) = Ax e uma transformac ao linear.
Prova:
(1) Deve-se mostrar que T(u + v) = T(u) + T(v) vale para todos u, v R
n
.
Sejam u e v vetores do R
n
.
T(u + v) = A(u +v) = Au + Av = T(u) + T(v)
(2) Deve-se mostrar que T(au) = aT(u) vale para todo u R
n
e para todo a R.
Sejam u R
n
e a R.
T(au) = A(au) = a(Au) = aT(u)
Ezemplo 3: Seja P
n
(x) o espaco vetorial dos polinomios de grau menor ou igual a n e
T : P
n
(x) P
n
(x) denida por T(p(x)) =
dp(x)
dx
e uma transformac ao linear.
Prova:
(1) Tome u, v P
n
(x) ent ao T(u +v) =
d(u + v)
dx
=
du
dx
+
dv
dx
= T(u) + T(v)
(2) Tome u P
n
(x) e a R entao T(au) =
d(au)
dx
= a
du
dx
= aT(u).
Ezemplo 4: Seja V = C[0, 1] o espaco vetorial das funcoes contnuas no intervalo [0, 1]
e T : C[0, 1] R denida por T(f(x)) =
_
1
0
f(x)dx. T e uma transformacao linear de
V = C[0, 1] em R.
Prova:
Ezemplo 5: A simetria de eixo Ox denida por T : R
2
R
2
tal que T(x, y) = (x, y)
131
e linear.
Prova:
Ezemplo 6: A rotacao no sentido anti-hor ario denida por T : R
2
R
2
tal que
T(x, y) = (xcos() ysen(), xsen() + ycos()) e uma transformac ao linear do R
2
no
R
2
.
Prova:
Ezemplo 7: A aplicacao T : R
2
R
2
dada por T(x, y) = (x +y, y + 1) nao e linear.
Prova:
Ezemplo 8: A aplicacao T : R
2
R
2
dada por T(x, y) = (x
2
, y) nao e linear.
Prova:
Teorema 9.2 Se T : U V e linear, entao
T(a
1
v
1
+ a
2
v
2
+ + a
n
v
n
) = a
1
T(v
1
) + a
2
T(v
2
) + + a
n
T(v
n
) ,
para quaisquer vetores v
1
, v
2
, , v
n
V e escalares a
1
, a
2
, , a
n
R.
Prova: Como T e linear escreve-se T(a
1
v
1
+ a
2
v
2
+ + a
n
v
n
) = T(a
1
v
1
) + T(a
2
v
2
) +
+ T(a
n
v
n
) e agora, novamente pela linearidade de T, T(a
1
v
1
+ a
2
v
2
+ + a
n
v
n
) =
a
1
T(v
1
) + a
2
T(v
2
) + + a
n
T(v
n
).
Teorema 9.3 Se T : U V e linear, entao

T(0) = 0 .
Prova:
Como T e linear ent ao T(au) = aT(u), para todo a R.
Fazendo a = 0 vem:
T(0u) = 0T(u) logo T(0) = 0.
132
Teorema 9.4 Sejam U e V dois espacos vetoriais sobre um mesmo corpo F. Sejam
u
1
, u
2
, , u
n
uma base de U e v
1
, v
2
, , v
n
vetores quisquer de V. Entao existe uma
unica transformacao linear T : U V tal que T(u
1
) = v
1
, T(u
2
) = v
2
, , T(u
n
) = v
n
.
E se u = a
1
u
1
+ a
2
u
2
+ + a
n
u
n
, T e dada por
T(u) = a
1
T(u
1
) + a
2
T(u
2
) + +a
n
T(u
n
)
T(u) = a
1
v
1
+ a
2
v
2
+ + a
n
v
n
Prova:
Existem 3 tens para serem provados, que sao:
i) T e linear (Linearidade).
Para isto tome u = a
1
u
1
+a
2
u
2
+ +a
n
u
n
, w = b
1
u
1
+b
2
u
2
+ +b
n
u
n
vetores de U e
a R.
T(u + w) = T
_
(a
1
u
1
+ a
2
u
2
+ + a
n
u
n
) + b
1
u
1
+ b
2
u
2
+ + b
n
u
n
)
_
T(u + w) = T
_
(a
1
+ b
1
)u
1
+ (a
2
+ b
2
)u
2
+ + (a
n
+b
n
)u
n
_
T(u + w) = (a
1
+ b
1
)v
1
+ (a
2
+ b
2
)v
2
+ + (a
n
+ b
n
)v
n
T(u + w) = a
1
v
1
+ a
2
v
2
+ + a
n
v
n
+ b
1
v
1
+ b
2
v
2
+ + b
n
v
n
T(u + w) = T(u) + T(w).
T(ku) = T(ka
1
u
1
+ ka
2
u
2
+ + ka
n
u
n
)
T(ku) = ka
1
T(u
1
) + ka
2
T(u
2
) + + ka
n
T(u
n
)
T(ku) = k
_
a
1
T(u
1
) + a
2
T(u
2
) + + a
n
T(u
n
)
_
T(ku) = kT(u).
ii) T e unica (Unicidade).
Suponha que exista S : U V tal que S(u
i
) = v
i
.
Se u = a
1
u
1
+ a
2
u
2
+ + a
n
u
n
ent ao
S(u) = S(a
1
u
1
+a
2
u
2
+ +a
n
u
n
) = a
1
S(u
1
) +a
2
S(u
2
) + +a
n
S(u
n
) = a
1
v
1
+a
2
v
2
+
+a
n
v
n
=
= a
1
T(u
1
) + a
2
T(u
2
) + + a
n
T(u
n
) = T(a
1
u
1
+ a
2
u
2
+ +a
n
u
n
) = T(u)
Como S(u) = T(u) para todo u U, S = T, logo T e unica.
iii) T(u) = a
1
v
1
+ a
2
v
2
+ + a
n
v
n
(Existencia).
Imediato a partir do teorema 9.2.
133
Exemplo 1: Qual a transformacao linear T : R
2
R
3
tal que T(1, 0) = (1, 2, 1) e
T(0, 1) = (2, 1, 3)
Soluc ao:
Tome v = (x, y) R
2
. Como = (1, 0), (0, 1) a base canonica do R
2
entao v = (x, y) =
x(1, 0) + y(0, 1).
T(v) = T
_
x(1, 0) + y(0, 1)
_
T(v) = xT(x(1, 0) + yT(0, 1) = x(1, 2, 1) + y(2, 1, 3)
T(v) = (x 2y, 2x +y, x + 3y)
Exemplo 2: Qual a transformacao linear T : R
2
R
3
tal que T(1, 1) = (3, 2, 1) e
T(0, 2) = (0, 1, 0)
Soluc ao:
Tome v = (x, y) R
2
. Como = (1, 1), (0, 2) e uma base do R
2
, ent ao:
(x, y) = a(1, 1) + b(0, 2).
_
_
_
x = a
y = a 2b
_
_
_
a = x
b =
xy
2
(x, y) = x(1, 1) +
xy
2
(0, 2)
Calculando T(v) = T(x, y)
T(v) = T(x, y) = T(x(1, 1)) + T(
xy
2
(0, 2))
T(v) = T(x, y) = xT(1, 1) +
xy
2
T(0, 2))
T(v) = T(x, y) = x(3, 2, 1) +
xy
2
(2, 1, 3)
T(v) = T(x, y) = (3x x + y, 2x +
xy
2
, x + 3
xy
2
)
T(v) = T(x, y) = (2x +y,
5xy
2
,
5x3y
2
).
9.2 O espaco vetorial L(U, V)
Denicao 9.5 O conjunto L(U, V) e o conjunto formado por todas as transformacoes
lineares de U em V.
9.2.1 Operacoes em L(U, V)
Dados os espacos vetoriais U e V denidos sobre um mesmo corpo F, deni-se:
134
1. Adic ao de transformac oes lineares:
Sejam S e T transformacoes lineares de U em V, ent ao :
(S +T)(v) = S(v) + T(v)
2. Multiplicac ao de transformac ao por um escalar:
Dada uma transformacao linear de U em V e a F, ent ao:
(aT)(v) = a.T(v)
Teorema 9.6 Com as operacoes + e . denidas anteriormente, o conjunto L(U, V) de
todas as transformacoes lineares de U em V torna-se um espaco vetorial.
9.3 N ucleo e Imagem
Denicao 9.7 Seja T L(U, V), chama-se n ucleo de T, denotado por ker(T), ao con-
junto de vetores u de U tais que T(u) = 0.
Denicao 9.8 Seja T L(U, V), chama-se imagem de T, denotado por Im(T), ao con-
junto de vetores v de V que sao correspondencias de vetores de U, isto e, Im(T) = v
V/v = T(u).
Teorema 9.9 O n ucleo de T L(U, V) e um subespaco vetorial de U.
Prova:
Inicialmente veja que ker(T) U e tambem ker(T) ,= , pois T(0) = 0.
(i) Sejam u e v vetores do n ucleo de T, ent ao T(u) = 0 e T(u) = 0.
Como T e linear T(u + v) = T(u) + T(v) = 0 + 0 = 0, logo u + v pertence ao n ucleo de
T.
(ii) Analogamente, se u ker(T), a R e como T e linear T(au) = aT(u) = a0 = 0,
assim au ker(T) e ker(T) e subespaco vetorial de U.
135
Teorema 9.10 A imagem de T L(U, V) e um subespaco vetorial de V.
Prova:
Inicialmente veja que Im(T) V e tambem Im(T) ,= , pois 0 Im(T) pelo fato de
T(0) = 0.
(i) Sejam w
1
e w
2
vetores da imagem de T, ent ao existem u
1
e u
2
tais que T(u
1
) = w
1
e
T(u
2
) = W
2
, Assim w
1
+ w
2
= T(u
1
) + T(u
2
) = T(u
1
+ u
2
) o que implica que w
1
+ w
2

Im(T).
(ii) Analogamente, se w
1
Im(T), a R e aw
1
= aT(u
1
) = T(au
1
), isto e, aw
1
Im(T)
e assim Im(T) e subespaco vetorial de V.
Denicao 9.11 Chama-se nulidade de uma transformacao linear, denotado por (T), à
dimensao de sua imagem.
Denicao 9.12 Chama-se posto de uma transformacao linear, denotado por (T), à
dimensao de seu n ucleo.
Teorema 9.13 Seja T L(U, V), em que U possui dimensao nita, entao (T) +(T) =
dim(U).
Exemplo 1: Determine uma base para o n ucleo e outra para a imagem de T L(R
3
)
denido por T(x, y, z) = (x +2y z, y +z, x +y 2z). Determine, tambem (T) e (T).
Como Im(T) = v V/v = T(u) ent ao
Im(T) = v V/v = (x + 2y z, y +z, x + y 2z)
v = (x + 2y z, y +z, x + y 2z) = x(1, 0, 1) + y(2, 1, 1) + z(1, 1, 2)
Ent ao Im(T) e gerada por (1, 0, 1), (2, 1, 1), (1, 1, 2) e pelo teorema 6.10 do captulo
de espacos vetoriais, pode-se extrair uma base para Im(T).
Escalonando,
_
_
_
_
_
1 0 1
2 1 1
1 1 2
_
_
_
_
_

_
_
_
_
_
1 0 1
0 1 1
0 1 1
_
_
_
_
_

_
_
_
_
_
1 0 1
0 1 1
0 0 0
_
_
_
_
_
Assim = (1, 0, 1), (0, 1, 1) e uma base para Im(T) e, a nulidade de T e (T) = 2.
136
Como T(u) = 0 ent ao
(x + 2y z, y + z, x + y 2z) = 0, isto e:
_
_
x + 2y z = 0
y +z = 0
x +y 2z = 0
e escalonando
_
_
_
_
_
1 2 1
0 1 1
1 1 2
_
_
_
_
_

_
_
_
_
_
1 2 1
0 1 1
0 1 1
_
_
_
_
_

_
_
_
_
_
1 2 1
0 1 1
0 0 0
_
_
_
_
_

x = 3z
y = z
z R
logo u = (3, 1, 1)
e
= (3, 1, 1) e uma base para ket(T) e assim o posto do n ucleo de T e (T) = 1.

Exemplo 2: Idem para T(x, y, z) = (x, 2y, 0).
Como Im(T) = v V/v = T(u) ent ao
Im(T) = v V/v = (x, 2y, 0)
v = (x, 2y, 0) = x(1, 0, 0) + y(0, , , 0)
e a imagem de T e gerada pelos vetores (1, 0, 0) e (0, 2, 0) que sao LI, logo, = (1, 0, 0), (0, 2, 0)
e uma base para im(T).
Como T(u) = 0 ent ao
(x, 2y, 0) = 0, o que leva a x = 0 e y = 0 e,
= (0, 0, 1) e uma base para ker(T).

Exemplo 3: Determine uma transformacao linear T : R
3
R
4
cuja imagem e gerada
pelos vetores u
1
= (1, 2, 1, 1) e u
2
= (3, 1, 0, 1).
Considere a base canonica (1, 0, 0), (0, 1, 0), (0, 0, 1) do R
3
e considere agora, por exem-
plo, T(1, 0, 0) = (1, 2, 1, 1), T(0, 1, 0) = (3, 1, 0, 1) e T(0, 0, 1) = (0, 0, 0, 0). Lembre
que T denida desta forma e unica.
Como e a base canonica do R
3
, (x, y, z) = x(1, 0, 0) +y(0, 1, 0) +z(0, 0, 1) e T(x, y, z) =
x(1, 2, 1, 1) + y(3, 1, 0, 1) + z(0, 0, 0, 0), pelo fato de T ser linear.
Finalmente, T(x, y, z) = (x + 3y, 2x + y, x, x y).
Exemplo 4: Determine uma transformacao T : R
4
R
3
linear cujo n ucleo e gerado
por u
1
= (1, 0, 1, 2), u
2
= (1, 1, 0, 1) e u
3
= (2, 1, 0, 1).
Lembre que este exemplo ja foi visto no captulo sobre espacos vetoriais Determine um
sistema de equacoes lineares cuja soluc ao e gerada por um conjunto de vetores. Assim,
considere uma combinac ao linear deste 3 vetores:
137
(x, y, z, t) = a(1, 0, 1, 2) + b(1, 1, 0, 1) + c(2, 1, 0, 1)
_
_
a + b + 2c = x
b + c = y
a = z
2a b + c = t
, escalonando:
_
_
a + b + 2c = x
b + c = y
b + 2c = x z
3b 3c = 2x + t
_
a + b + 2c = x
b + c = y
c = x y z
0 = 2x + 3y +t
E a transformac ao linear pedida e T : R
4
R
3
tal que T(x, y, z, t) = (2x +3y +t, 0, 0)
Denicao 9.14 Dada T L(U, V), diremos que T e injetora se dados u, v U com
T(u) = T(v) tivermos u = v, ou equivalentemente, se para todos u ,= v U tivermos
T(u) ,= T(v).
Denicao 9.15 Dada T L(U, V), diremos que T e sobrejetora se Im(T) = V.
Denicao 9.16 Dada T L(U, V), for injetora e sobrejetora diremos que T e um iso-
morsmo.
Teorema 9.17 Seja T L(U, V), entao ker(T) = 0 se e somente se T e injetora.
Prova: ()
Hipotese: ker(T) = 0.
Tese: T e injetora.
Sejam u
1
e u
2
vetores de U tais que T(u
1
) = T(u
2
), logo T(u
1
) T(u
2
) = 0 e ainda como
T e linear T(u
1
u
2
) = 0 logo u
1
u
2
U.
Mas por hipotese o n ucleo possui somente o vetor nulo, logo u
1
u
2
= 0, isto e, u
1
= u
2
e assim T e injetora.
()
Hipotese: T e injetora.
138
Tese: ker(T) = 0.
Tome v ker(T) o que implica que T(v) = 0.
E como pelo teorema 9.3 T(0) = 0 tem-se que v = 0, pelo fato de T ser injetora.
Teorema 9.18 Seja T L(U, V), entao dim(ker(T)) + dim(Im(T)) = dim(U).

Prova:
Seja = u
1
, u
2
, , u
n
uma base para o n ucleo de T e como por 9.9 e um subespaco
vetorial de U e pelo teorema 1.7 do captulo de espacos vetoriais pode ser completado
de modo a obter uma base para U.
Considere agora
1
= u
1
, u
2
, , u
n
, w
1
, w
2
, , w
m
esta base para U. Deve-se mostrar
que = T(w
1
), T(w
2
), , T(w
m
) e uma base para o conjunto imagem de T.
Para mostrar que gera Im(T), tome w Im(T), assim existe u U tal que T(u) = w.
Como u U e
1
e base de U entao u = a
1
u
1
+ a
2
u
2
+ + a
n
u
n
+ b
1
w
1
+ + b
m
w
m
.
Mas w = T(u) = T(a
1
u
1
+ a
2
u
2
+ + a
n
u
n
+ b
1
w
1
+ + b
m
w
m
)
w = T(u) = a
1
T(u
1
) + a
2
T(u
2
) + +a
n
T(u
n
) + b
1
T(w
1
) + + b
m
T(w
m
)
Como os vetores u
1
, , u
n
pertencem ao n ucleo de T ent ao T(u
i
) = 0, i = 1, , n,
assim,
w = T(u) = b
1
T(w
1
) + + b
m
T(w
m
) o que diz que a imagem de T e gerada e gerada
pelos vetores T(w
1
), , T(w
m
).
Agora, falta mostrar que = T(w
1
), T(w
2
), , T(w
m
) e LI e, para isto considere a
combinac ao linear
a
1
T(w
1
) +a
2
T(w
2
) + +a
m
T(w
m
) = 0, e como T e linear, escreve-se T(a
1
w
1
+a
2
w
2
+
+a
m
w
m
) = 0 logo a
1
w
1
+ a
2
w
2
+ + a
m
w
m
ker(T).
Ent ao a
1
w
1
+ a
2
w
2
+ + a
m
w
m
pode ser escrito com combina cao linear da base =
u
1
, u
2
, , u
n
de ker(T), isto e, existem coecientes b
1
, b
2
, , b
n
tais que:
a
1
w
1
+ a
2
w
2
+ + a
m
w
m
= b
1
u
1
+ b
2
u
2
+ + b
n
u
n
e ainda
a
1
w
1
+ a
2
w
2
+ + a
m
w
m
b
1
u
1
b
2
u
2
b
n
u
n
= 0
Mas w
1
, w
2
, , w
m
, u
1
, u
2
, , u
n
e uma base de U, logo os coecientes a
i
e b
j
, i
1, 2, , m, j = 1, 2, , n sao nulos e, = T(w
1
), T(w
2
), , T(w
m
) e LI.
139
Corolario 9.19 Se dim(U) = dim(V), entao T e injetora se e somente se T for sobreje-
tora.
Prova:
Se T e injetora pelo teorema 9.17 ker(T) = 0, assim, dim(ker(T)) = 0 e pelo
teorema 9.18 dim(im(T)) = dim(U), que por hipotese dim(im(T)) = dim(V ), logo T e
sobrejetora.
Se T e sobrejetora entao dim(im(T)) = dim(V ), logo pela hipotese dim(im(T)) = dim(U)

e pelo teorema 9.18 vem que dim(ker(T)) = 0, assim ker(T) = 0 e T e injetora.
Corolario 9.20 Seja T L(U, V) injetora. Se dim(U) = dim(V), entao T leva base em
base.
Prova:
Seja = u
1
, u
2
, , u
n
uma base para U.
O conjunto T(u
1
), T(u
2
), , T(u
n
), T(u
i
V, e LI pois, se b
1
T(u
1
) + b
2
T(u
2
) + +
b
n
T(u
n
) = 0 e, pelo fato de T ser linear tem-se T(b
1
u
1
) + T(b
2
u
2
) + + T(b
n
u
n
) = 0 e
ainda T(b
1
u
1
+ b
2
u
2
+ + b
n
u
n
) = 0 logo b
1
u
1
+ b
2
u
2
+ + b
n
u
n
= 0 ent ao, por v
i
ser LI vem que b

i
= 0.
Mas pela hipotese dim(U) = dim(V) ent ao dim(V) = n e T(u
i
) e LI.
Exemplo. Seja T : R
3
R
3
denida por T(x, y, z) = (x 2y, z, x +y). prove que T e
um isomorsmo e determine T
1
.
Soluc ao:
Utilizando o corolario 9.19, para provar que T e um isomorsmo basta mostrar que T e
injetora, isto e, ker(T) = 0 ou ainda, (x 2y, z, x + y) = (0, 0, 0).
Resolvendo o sistema homogeneo de equacoes lineares
_
_
x 2y = 0
z = 0
x + y = 0
, vem x = y = z = 0,
logo T e um isomorsmo.
Para determinar T
1
, basta lembrar que se:
140
T : U V
(x, y, z) (x 2y, z, x + y)
T
1
: V U
(x 2y, z, x + y) (x, y, z)
,
ent ao basta fazer (x 2y, z, x + y) = (u, v, w) e calcular x, y e z em func ao de u, v e w,
isto e, resolver o sistema:
_
_
x 2y = u
z = v
x + y = w
e se obtem:
_
_
x =
u+2w
3
y =
wu
3
z = v
assim
T
1
: R
3
R
3
(u, v, w) (
u+2w
3
,
wu
3
, v)
.
Resolva este exemplo novamente, aplicando o teorema 9.4 a partir da base canonica do
R
3
, resumidamente:
O conjunto imagem de T e im(t) = T(1, 0, 0), T(0, 1, 0), T(0, 0, 1) que pelo teorema 9.20
e uma base, conrme, ent ao escreva (x, y, z) como combinac ao linear de im(T) para obter
T
1
.
9.4 Transformac oes lineares e matrizes
Sabe-se que T : R
n
R
m
dado por T(v) = Av e uma transformac ao linear. Veremos
a seguir que se T L(U, V) pode ser representado por uma matriz. Sendo U e V sao
espacos vetoriais de dimensao nita.
Sejam = u
1
, u
2
, , u
n
e
= v
1
, v
2
, , v
m
bases ordenadas para U e V,
respectivamente.
Se T : R
n
R
m
escreve-se
T(u
1
) = a
11
v
1
+ a
21
v
2
+ + a
m1
v
m
T(u
2
) = a
12
v
1
+ a
22
v
2
+ + a
m2
v
m
.
.
.
T(u
n
) = a
1n
v
1
+ a
2n
v
2
+ +a
mn
v
m
(9.1)
141
ou simplicadamente T(u
j
) =
m
i=1
a
ij
v
i
, j = 1, 2, , n, e o teorema 9.4 garante que a
transformac ao T esta perfeitamente denida pelos escalares a
ij
.
A transposta da matriz dos coecientes do sistema 9.1, denotada por [T]
e chamada
matriz representativa da transformac ao T em relac ao às bases e
.
[T]
=
_
_
_
_
_
a
11
a
1n
.
.
.
.
.
.
a
n1
a
mn
_
_
_
_
_
= A
Exemplo 1: Seja T : R
3
R
2
tal que T(x, y, z) = (2x + y z, 3x 2y + 4z). Sejam
= (1, 0, 0), (0, 1, 0), (0, 0, 1) e
= (1, 0), (0, 1). Determine [T]
.
Calculando a imagem dos vetores da base .
T(1, 0, 0) = (2, 3) = 2(1, 0) + 3(0, 1)
T(0, 1, 0) = (1, 2) = 1(1, 0) 2(0, 1)
T(0, 0, 1) = (1, 4) = 1(1, 0) + 4(0, 1)
Assim [T]
=
_
_
2 1 1
3 2 4
_
_
Exemplo 2: Seja T : R
3
R
2
tal que T(x, y, z) = (2x + y z, 3x 2y + 4z). Sejam
= (1, 1, 1), (1, 1, 0), (1, 0, 0) e
= (1, 3), (1, 4). Determine [T]
.
Veja que a transformac ao linear e a mesma do exemplo anterior, mas as bases sao difer-
entes, o que ira originar uma matriz diferente.
Calculando a imagem dos vetores da base e ja escrevendo como combinacao linear dos
vetores de
.
T(1, 1, 1) = (2, 5) = 3(1, 3) 1(1, 4)
T(1, 1, 0) = (3, 1) = 11(1, 3) 8(1, 4)
T(1, 0, 0) = (2, 3) = 5(1, 3) 3(1, 4)
Assim [T]
=
_
_
3 11 5
1 8 3
_
_
Exemplo 3: Dadas as bases = (1, 1), (0, 1) do R
2
e
= (0, 3, 0), (1, 0, 0), (0, 1, 1)

do R
3
. determine a transformac ao linear T : R
2
R
3
cuja matriz representativa e
[T]
=
_
_
_
_
_
0 2
1 0
1 3
_
_
_
_
_
.
142
T(1, 1) = 0(0, 3, 0) 1(1, 0, 0) 1(0, 1, 1) = (1, 1, 1)
T(0, 1) = 2(0, 3, 0) + 0(1, 0, 0) + 3(0, 1, 1) = (0, 9, 3)
para determinar T(x, y) deve-se escrever (x, y) como combinac ao linear dos vetores de ,
isto e: (x, y) = x(1, 1) + (y x)(0, 1)
Calculando a imagem de (x, y)
T(x, y) = T(x(1, 1) + (y x)(0, 1)) = xT(1, 1) + (y x)T(0, 1)
T(x, y) = x(1, 1, 1) + (y x)(0, 9, 3)
T(x, y) = (x, 9y 10x, 3y 4x)
Teorema 9.21 Sejam U e V espacos vetoriais, base de U,
base de V e T : U V
linear. Entao para todo u U tem-se
[T(u)]
= [T]
[u]
.
Teorema 9.22 Sejam T
1
: V W e T
2
: W U transformacoes lineares e , e
bases de V, W e U, respectivamente. Entao a transformacao composta de T
1
com T
2
,
T
2
T
1
: V U e linear e dada por
[T
2
T
1
]
= [T
2
]
[T
1
]
.
Exemplo: Sejam as transformacoes lineares pertencentes a L(R
2
, R
2
), dadas por S(x, y) =
(x, x + 2y) e T(x, y) = (y, 2x y). Calcular:
a) ST
(ST)(x, y) = S(T(x, y)) = S(y, 2x y) = (y, y + 4x 2y) = (y, 4x y)
b) TS
(TS)(x, y) = T(S(x, y)) = T(x, x + 2y) = (x + 2y, 2x x 2y) = (x + 2y, x 2y)
c) S
2
(SS)(x, y) = S(S(x, y)) = T(x, x + 2y) = (x, x + 2x + 4y) = (x, 3x + 4y)
d) T
2
(TT)(x, y) = T(T(x, y)) = T(y, 2xy) = (2xy, 2y 2x+y) = (2xy, 2x+3y)
143
Exemplo: Sejam as transformacoes lineares T
1
: R
2
R
3
e T
2
: R
3
R
2
cujas
matrizes representativas sao [T
1
]
=
_
_
_
_
_
1 0
1 1
0 1
_
_
_
_
_
e [T
2
]
=
_
_
0 1 1
0 0 0
_
_
, em relac ao
às bases = (1, 0), (0, 2), = (
1
3
, 0, 3), (1, 1, 15), (2, 0, 5) e = (2, 0), (1, 1).
Determine a composta T
2
T
1
: R
2
R
2
.
[T
2
T
1
]
=
_
_
0 1 1
0 0 0
_
_
_
_
_
_
_
1 0
1 1
0 1
_
_
_
_
_
=
_
_
1 2
0 0
_
_
Escrevendo agora as coordenadas do vetor v = (x, y) em relacao à baes . [(x, y)]
=
_
_
x
y
2
_
_
e utilizando o teorema 9.22, vem:
[(T
2
T
1
)(x, y)]
=
_
_
1 2
0 0
_
_
_
_
x
y
2
_
_
=
_
_
x y
0
_
_
Finalmente, (T
2
T
1
)(x, y) = (x y)(2, 0) + 0(1, 1) = (2x 2y, 0).
9.5 Exerccios
1. Verique se as seguintes transformacoes T sao lineares.
a) T : 1
2
1
2
dada por T(x, y) = (x y, 2x + 3y)
b) T; 1
3
1 tal que T(x, y, z) = x y + z 1
c) T : 1
3
1
2
denida por T(x, y, z) = (xy, yz)
d) T : 1
2
1
3
onde T(x, y) = ([x[, y, x y)
2. Seja V o espaco vetorial das matrizes quadradas nn sobre o corpo dos reais. Seja
M uma matriz arbitraria em V, seja tambem T : V V denida por T(A) =
AM + MA, sendo A V. Mostre que T e linear.
3. Seja D
22
uma matriz diagonal real. Mostre que a aplicac ao dada por T(A) =
DA AD, para A
22
e um operador linear sobre R
22
.
4. Determine T(x, y) sendo T : 1
2
1
3
dada por T(1, 2) = (3, 1, 5), T(0, 1) =
(2, 1, 1).
144
5. Determine T(x, y, z) sendo T : 1
3
1 dada por T(1, 1, 1) = 3, T(0, 1, 2) = 1 e
T(0, 0, 1) = 2.
6. Determine o operador linear T : R
22
R
22
tal que T
_
_
_
1 0
0 1
_
_
_
=
_
_
1 2
1 1
_
_
,
T
_
_
_
0 1
0 0
_
_
_
=
_
_
1 0
1 0
_
_
, T
_
_
_
0 0
1 0
_
_
_
=
_
_
1 0
0 1
_
_
e T
_
_
_
0 0
0 1
_
_
_
=
_
_
0 0
1 1
_
_
.
7. Para as seguintes transformacoes lineares determine uma base para o n ucleo e uma
base para a imagem.
a) T : 1
3
1
3
onde T(x, y, z) = (x + 2y, y z, x + 2z)
b) T : 1
3
1
2
onde T(x, y, z) = (x + y, y + z)
8. Dado o operador linear T : P
2
(x) P
2
(x), tal que T(ax
2
+bx+c) = (a +2b)xb +c,
verique:
a) v = 4x
2
+ 2x 2 pertence ao n ucleo de T?
b) x
2
+ 2x + 1 e um vetor da imagem de T?
c) Determine uma base para ker(T).
d) Determine uma base para Im(T).
(e) T e injetora?
(f) T e sobrejetora?
9. Determine uma transformac ao linear T : 1
3
1
3
, cuja imagem seja gerada pelos
vetores (1, 2, 3) e (4, 5, 6).
10. Determine uma transformac ao linear T : 1
4
1
3
, cujo n ucleo e gerado pelos
vetores (1, 2, 3, 4) e (0, 1, 1, 1).
11. Mostre que cada um dos seguintes operadores T sobre o 1
3
e inversvel e determine
T
1
(x, y, z).
a) T(x, y, z) = (x 3y 2z, y 4z, z)
145
b) T(x, y, z) = (x + z, x z, y)
12. Classique as seguintes armac oes como verdadeiras ou falsas. Caso verdadeira
justique, caso falsa de um contra-exemplo.
a) Se T : U V e linear e e uma base U entao T() e base para V.
b) T
2
T
1
= T
1
T
2
c) Se a matriz representativa de T : U V, com U e V de dimensao nita, e nao
singular ent ao ker(T) = 0.
d) Se a matriz representativa de T : U V, com U e V de dimensao nita, e nao
singular ent ao T e sobrejetora.
(e) dim(Im(T)) dim(V ), para T L(U, V).
(f) Se T L(U, V) e sobrejetora ent ao dim(V ) dim(U).
13. Para quais valores de m, o operador linear T(x, y, z) = (x+y, x2yz, x+y+mz)
e inversvel?
14. Determine a matriz representativa, da transformac ao linear T(x, y) = (x +y, x y)
sobre as bases canonicas.
15. Determine a matriz representativa, da transformac ao linear T(x, y) = (x +y, x y)
sobre as bases =
= (1, 2), (0, 1).

16. Determine a matriz representativa, da transformac ao linear T(x, y, z, t) = (x y +
z, 2x+zt, x+y+t) sobre as bases = (1, 0, 0, 1), (1, 1, 0, 1), (0, 1, 0, 1), (1, 0, 1, 0)
e
= (1, 1, 1), (1, 0, 2), (0, 1, 0).

17. Dado o operador linear T : R
3
R
3
tal que T(1, 0, 2) = (3, 1, 4), T(0, 1, 1) =
(1, 0, 1) e T(1, 1, 3) = (4, 3, 5). Determine uma base para a imagem de T e uma
base para o n ucleo de T.
146
Captulo 10
Autovalores e autovetores
10.1 Denicao
Denicao 10.1 Dado T L(V, V), R sera um autovalor associado ao autovetor
1
v V, v ,= 0 se
T(v) = v (10.1)
Geometricamente, esta denicao, diz que em relac ao a transformacao dada por T : R
n
R
n
, os autovetores somente terao uma mudanca em sua norma, isto e, T(v) possui a
mesma direc ao de v. O autovalor tem a propriedade de esticar ou encolher o vetor v,
quando transformado por T, conforme pode ser visto na gura 10.1.
v
T(v)
Figura 10.1: interpretac ao geometrica dos autovetores
1
Os autovalores tambem, em geral, sao chamados de valores caractersticos ou valores proprios e os
autovetores de vetores caractersticos ou vetores proprios.
147
Exemplo 1: Determine os autovalores e autovetores do operador linear, reexao em
torno do eixo Oy, T : R
2
R
2
dado por T(x, y) = (x, y).
A determinacao dos autovalores e autovetores e feita pela resoluc ao da equac ao T(v) = v,
assim:
(x, y) = (x, y) o que leva ao sistema
_
_
_
x = x
y = y
x(1 + ) = 0
x = 0
= 1
Substituindo = 1 na segunda equacao do sistema, vem, y = 0 e assim,
1
= 1 e um
autovalor associado ao autovetor v
1
= (x, 0), x ,= 0, ou somente v
1
= (1, 0).
Da segunda equac ao do sistema tem-se:
y = y y(1 ) 0
y = 0
= 1
Substituindo = 1 na primeira equacao do sistema, vem, x = 0 e assim,
2
= 1 e um
autovalor associado ao autovetor v
2
= (0, y), y ,= 0, ou somente v
2
= (0, 1).
Exemplo 2: Determine os autovalores e autovetores do operador linear T : R
2
R
2
dado por T(x, y) = (x +y, 3y).
Usando a equac ao T(v) = v, tem-se:
(x + y, 3y) = (x, y) o que leva ao sistema
_
_
_
x +y = x
3y = y y(3 ) = 0
y = 0
= 3.
Voltando na primeira equac ao do sistema com y = 0, vem:
x + 0 = x x(1 ) = 0 que implica em
1. x = 0, nao e solucao pois um autovetor nao pode ser o vetor nulo.
2. = 1 leva em x R, logo
1
= 1 e um autovalor associado ao autovetor v
1
= (x, 0),
x ,= 0, ou somente v
1
= (1, 0).
Voltando, agora, na primeira equac ao do sistema com = 3, vem:
x + y = 3x y = 2x, assim
2
= 3 e um autovalor associado ao autovetor v
2
= (x, 2x),
x ,= 0, ou v
2
= (1, 2).
Exemplo 3: Determine os autovalores e autovetores do operador linear, rotac ao de 90
o
148
em torno da origem, T : R
2
R
2
dado por T(x, y) = (y, x).
Aplicando a denic ao de autovalores e autovetores T(v) = v, vem:
(y, x) = (x, y) o que leva ao sistema
_
_
_
y = x
x = y
x = (x) x(1 +
2
) = 0 x = 0 y = 0
.
Logo T nao possui autovalores e autovetores.
Teorema 10.2 Dado T L(V, V) e um autovalor associado ao autovetor v entao qual-
quer vetor w = v tambem e um autovetor associado ao autovalor .
Prova:
Deve-se mostrar que T(w) = w, assim,
T(w) = T(v)
T(w) = T(v), mas como v e um autovetor T(v) = v, ent ao:
T(w) = (v)
T(w) = (v)
T(w) = (w)
10.2 Autovalores e autovetores de uma matriz

Denicao 10.3 Dada uma matriz quadrada A
nn
sobre um corpo F, diz-se que um es-
calar F e um vetor x
n1
,= 0 satisfazendo a
Ax = x (10.2)
, sao chamados autovalores e autovetores de A, respectivamente, e o par (, x) e chamado
de autopar para A. O conjunto de todos os autovalores, denotado por (A) e chamado de
espectro de A.
Teorema 10.4 Seja uma matriz quadrada A
nn
sobre um corpo F. Entao as seguintes
armacoes sao equivalentes:
149
(i) (A).
(ii) A I e singular. (nao inversvel).
(iii) det(A I) = 0
Prova:
Se pertence ao espectro de A, (A), ent ao e um autovalor de A, ou seja,
Ax = x
Ax x = 0
det(A I) = 0
que e um sistema linear homogeneo e como x ,= 0 este sistema deve ter soluc oes nao nulas,
isto e, deve se possvel e indeterminado que implica em A I singular. Se A I e
singular ja foi mostrado que det(A I) = 0.
Exemplo 1: Determine os autovalores e autovetores da matriz A =

_
_
7 4
5 2
_
_
.
Utilizando o tem (iii) do teorema 11.4 det(A I) = 0,
p() = det(A I) = det(
_
_
7 4
5 2
_
_
_
_
1 0
0 1
_
_
) = det
_
_
7 4
5 2
_
_
= 0
p() =
2
5 + 6 = 0 , ent ao
1
= 2 e
2
= 3 sao os autovalores de A.
Voltando com
1
= 2 e
2
= 3 em 10.2, ou equivalentemente, em (A I)x = 0 teremos
os autovetores de A.
Para
1
= 2,
_
_
7 4
5 2
_
_
x = 0
_
_
5 4
5 4
_
_
_
_
x
y
_
_
= 0

_
_
5 4
0 0
_
_
_
_
x
y
_
_
= 0
5x 4y = 0
Ent ao v
1
= (4y, 5y), y ,= 0 e um autovetor de A associado ao autovalor
1
= 2, ou
v
1
= (4, 5).
Agora para
2
= 3, tem-se:
_
_
7 4
5 2
_
_
x = 0
150
_
_
4 4
5 5
_
_
_
_
x
y
_
_
= 0

_
_
4 4
0 0
_
_
_
_
x
y
_
_
= 0
4x 4y = 0
Ent ao v
2
= (x, x), x ,= 0 e um autovetor de A associado ao autovalor
2
= 3, ou v
2
= (1, 1).
10.3 Polinomio caracterstico
10.4 Denicao
Denicao 10.5 Dada uma matriz quadrada A
nn
, o polinomio p() = det(A = I) e
chamado polinomio caracterstico de A.
Observac oes:
O polinomio caracterstico de A
nn
e p() = det(A = I).
O grau de p() e igual a n.
A equac ao caracterstica de A
nn
e p() = det(A = I) = 0.
Oa autovalores de A sao as soluc oes da equacao caracterstica, ou equivalentemente,
as razes do polinomio caracterstico.
Se a matriz A e formada somente por n umeros reais e possui um autovalor complexo
entao tambem e autovalor de A.
10.5 Diagonalizacao
Denicao 10.6 Diz-se que um operador linear T : V V e diagonalizavel se puder ser
representado por uma matriz diagonal D.
Teorema 10.7 Autovetores associados a autovalores distintos sao linearmente indepen-
dentes.
151
Prova:
A prova sera feita por induc ao sobre n. Se n = 1, entao v
1
e LI, porque v1 ,= 0.
Suponha n > 1 e
a
1
v
1
+ a
2
v
2
+ + a
n
v
n
= 0 , (10.3)
em que a
i
sao escalares.
Aplicando T na sentenca 10.3, vem:
T(a
1
v
1
+ a
2
v
2
+ + a
n
v
n
) = T(0)
a
1
T(v
1
) + a
2
T(v
2
) + + a
n
T(v
n
) = 0
Mas por hipotese T(v
i
) =
i
v
i
, logo
a
1
1
v
1
+ a
2
2
v
2
+ + a
n
n
v
n
= 0 (10.4)
Agora multiplicando 10.3 por
n
, resulta
a
1
n
v
1
+a
2
n
v
2
+ + a
n
n
v
n
= 0, que subtraido de 10.4, fornece:
a
1
(
1
n
)v
1
+ a
2
(
2
n
)v
2
+ + a
n1
(
n1
n1
)v
n
= 0
Supondo, por inducao, que v
1
, v
2
, , v
n1
sao LI, vem que os coecientes
1

n
,
2
n
, ,
n1
n1
sao nulos.
Como os autovalores
i
sao distintos,
i
n
,= 0, para i ,= n. Logo a
1
= a
2
= = a
n
=
0.
Levando este resultado em 10.3, vem que a
n
v
n
= 0 e assim a
n
= 0.
Provando, assim, que os vetores u
i
sao LI.
Corolario 10.8 Seja V um espaco vetorial de dimensao n e T L(V, V) com n autoval-

ores distintos, entao V possui uma base formada por autovetores.
Teorema 10.9 Se A e uma matriz diagonalizavel entao e semelhante
2
a uma matriz D,
com P
1
AP = D, cujos elementos diagonais sao os autovalores de A, enquanto P e uma
matriz cuja colunas sao, respectivamente, os n autovetores LI.
2
Uma A e semelhante uma matriz B se existir uma matriz P inversvel tal que A = P
1
BP e a
semelhanca goza das seguintes propriedades: A e semelhante a A, Se B e semelhante a A entao A e
semelhante a B e se A e semelhante a B e B e semelhante a C entao A e semelhante a C.
152
Exemplo 1: Mostre que a matriz A =
_
_
1 1
2 4
_
_
e diagonalizavel e determine uma
matriz inversvel P tal que P
1
AP e diagonal.
Inicialmente deve-se determinar os autovalores e os autovetores de A.
det(A I) = 0
1 1
2 4
= 0

(1 )(4 ) + 2 = 0
2
4 + 6 = 0
_
_
_
1
= 2
2
= 3
Assim pelo teorema 10.8 tem-se que A e diagonalizavel.
Para
1
= 2,
_
_
1 2 1
2 4 2
_
_
_
_
x
y
_
_
= 0

_
_
1 1
2 2
_
_
_
_
x
y
_
_
= 0

x = y e,
v
1
= (1, 1) e o autovetor associado ao autovalor
1
= 2.
Para
2
= 3,
_
_
1 3 1
2 4 3
_
_
_
_
x
y
_
_
= 0

_
_
2 1
2 1
_
_
_
_
x
y
_
_
= 0

y = 2x e,
v
1
= (1, 2) e o autovetor associado ao autovalor
2
= 3.
Ent ao P =
_
_
1 1
1 2
_
_
e D =
_
_
2 0
0 3
_
_
e pelo teorema 10.9 vem que P
1
AP = D.
Entenda este resultado como: O operador linear em relac ao a base canonica e dado pela
matriz A =
_
_
1 1
2 4
_
_
e em relac ao à base de autovetores = (1, 1), (1, 2) o operador
e representado pela matriz diagonal D =
_
_
2 0
0 3
_
_
.
Exemplo 2: Mostre que a matriz A =
_
_
_
_
_
0 0 0
0 1 0
1 0 1
_
_
_
_
_
e diagonalizavel e determine uma
matriz inversvel P tal que P
1
AP e diagonal.
Determinando os autovalores e os autovetores de A.
0 0 0
0 1 0
1 0 1
= 0 (1 )
2
= 0
_
_
_
1
= 0
2
=
3
= 1
.
153
Para
1
= 0,
_
_
_
_
_
0 0 0 0
0 1 0 0
1 0 1 0
_
_
_
_
_
_
_
_
_
_
x
y
z
_
_
_
_
_
= 0
_
_
_
_
_
0 0 0
0 1 0
1 0 1
_
_
_
_
_
_
_
_
_
_
x
y
z
_
_
_
_
_
= 0
_
_
_
x = z
y = 0
v
1
= (1, 0, 1) e o autovetor associado ao autovalor
1
= 0.
Para
2
=
3
= 1,
_
_
_
_
_
0 1 0 0
0 1 1 0
1 0 1 1
_
_
_
_
_
_
_
_
_
_
x
y
z
_
_
_
_
_
= 0
_
_
_
_
_
1 0 0
0 0 0
1 0 0
_
_
_
_
_
_
_
_
_
_
x
y
z
_
_
_
_
_
= 0
_
_
_
x = 0
y, z R
v
2
= (0, 1, 0) e v
3
= (0, 0, 1) sao autovetores LI associados ao autovalor
2
= 1.
Exemplo 3: Mostre que a matriz P =
_
_
_
_
_
1
3
2
3
2
3
2
3
1
3
2
3
2
3
2
3
1
3
_
_
_
_
_
diagonaliza a matriz simetrica
A =
_
_
_
_
_
7 2 0
2 6 2
0 2 5
_
_
_
_
_
10.6 Exerccios
1. Seja A uma matriz n n e seja T : V W uma transformac ao linear cuja matriz
T em relacao às bases e
de V e W, respectivamente, e A. Justique porque as

seguintes armacoes sao equivalentes:
i. A e inversvel;
ii. Ax = b tem uma unica solucao, para todo b 1
n
;
iii. Ax = 0 somente admite a solucao trivial;
iv. T e inversvel;
154
v. T e injetiva;
vi. T e sobrejetiva;
vii. ker(T) = 0;
viii. Im(T) = W
ix. 0 nao e autovalor de T;
x. det(A) ,= 0.
2. Encontre todos os autovalores e autovetores de A =
_
_
1 4
2 3
_
_
e apos determine
uma matriz P tal que P
1
AP e diagonal.
3. Verique qual das matrizes seguintes pode ser diagonalizavel: A =
_
_
_
_
_
1 3 3
3 5 3
6 6 4
_
_
_
_
_
e B =
_
_
_
_
_
3 1 1
7 5 1
6 6 2
_
_
_
_
_
.
4. Determine todos os autovalores e os autovetores do operador linear T : 1
3
1
3
dada por T(x, y, z) = (2x + y, y z, 2y + 4z).
155
Captulo 11
Espacos com produto interno 1
11.1 Produto interno
Denicao 11.1 Seja V um espaco vetorial sobre um corpo F. Um produto interno sobre
V e uma aplicacao de V V sobre o corpo F, isto e, cada par de vetores v
1
e v
2
de V e
associado a um escalar, denotado por < v
1
, v
2
>, satisfazendo as seguintes propriedades:
(i) v
1
, v
1
) 0 e v
1
, v
1
) = 0 se e so se v
1
= 0
(ii) av
1
, v
2
) = av
1
, v
2
)
(iii) v
1
+ v
2
, v
3
) = v
1
, v
3
) +v
2
, v
3
)
(iv) v
1
, v
2
) = v
2
, v
1
)
Denicao 11.2 Um espaco de dimensao nita com produto interno real e chamado de
Euclidiano espaco.
Exemplo 1: Em R
n
existe um produto interno a que chamamos produto interno usual
ou canonico.

E denido por v
1
, v
2
) = x
1
y
1
+x
2
y
2
+ +x
n
y
n
, em que v
1
= (x
1
, x
2
, , x
n
e v
2
= (y
1
, y
2
, , y
n
. Para o R
3
este produto e conhecido por produto escalar.
Exemplo 2: Verique que em R
2
para v
1
= (x
1
, y
1
) e v
2
= (x
2
, y
2
) a aplicac ao de
R
2
R
2
tal que v
1
, v
2
) = x
1
x
2
y
1
x
2
x
1
y
2
+ 4y
1
y
2
e um produto interno.
156
(i) v
1
, v
1
) = (x
1
, y
1
), (x
1
, y
1
)) 0
v
1
, v
1
) = x
1
x
1
x
1
y
1
x
1
y
1
+ 4y
1
y
1
v
1
, v
1
) = x
2
1
2x
1
y
2
+ 4y
2
2
v
1
, v
1
) = (x
1
y
1
)
2
+ 3y
2
2
0
e v
1
, v
1
) = (x
1
y
1
)
2
+ 3y
2
2
= 0 se e so se x
1
= y
1
= 0
(ii) av
1
, v
2
) = a(x
1
, y
1
), (x
2
, y
2
))
av
1
, v
2
) = (ax
1
, ay
1
), (x
2
, y
2
))
av
1
, v
2
) = ax
1
x
2
ay
1
x
2
ax
1
y
2
+ a4y
1
y
2
av
1
, v
2
) = a(x
1
x
2
y
1
x
2
x
1
y
2
+ 4y
1
y
2
) = av
1
, v
2
)
(iii) v
1
+ v
2
, v
3
) = (x
1
, y
1
) + (x
2
, y
2
), (x
3
, y
3
))
v
1
+v
2
, v
3
) = (x
1
+ x
2
, y
1
+ y
2
), (x
3
, y
3
))
v
1
+v
2
, v
3
) = (x
1
+ x
2
)x
3
(y
1
+y
2
)x
3
(x
1
+ x
2
)y
3
+ 4(y
1
+y
2
)y
3
v
1
+v
2
, v
3
) = x
1
x
3
+ x
2
x
3
y
1
x
3
y
2
x
3
x
1
y
3
x
2
y
3
+ 4y
1
y
3
+ 4y
2
y
3
v
1
+v
2
, v
3
) = (x
1
x
3
y
1
x
3
x
1
y
3
+ 4y
1
y
3
) + (x
2
x
3
y
2
x
3
x
2
y
3
+ 4y
2
y
3
)
v
1
+v
2
, v
3
) = (x
1
, y
1
), (x
3
, y
3
)) +(x
2
, y
2
), (x
3
, y
3
))
(iv) v
1
, v
2
) = v
2
, v
1
)
v
1
, v
2
) = x
1
x
2
y
1
x
2
x
1
y
2
+ 4y
1
y
2
v
1
, v
2
) = x
2
x
1
x
2
y
1
y
2
x
1
+ 4y
2
y
1
v
1
, v
2
) = v
2
, v
1
)
Exemplo 3: Seja V = R
nn
. Como R
nn
e isomorfo ao R
n
2, e natural escrever o
produto interno canonico de V = R
nn
como:
A, B) =
j, k
n
A
jk
B
jk
Exemplo 4: Seja V = C[0, 1] o espaco vetorial de todas as func oes contnuas, de vari avel
real x, no intervalo [0, 1]. Mostre que f(x), g(x)) =
_
1
0
f(x)g(x)dx e um produto interno.
Denicao 11.3 Seja V um espaco vetorial munido de um produto interno , ). Dois
vetores v
1
e v
2
de V serao chamados de ortogonais, em relacao a este produto vetorial, se
v
1
, v
2
) = 0 e sera denotado por v
1
v
2
157
Propriedades:
1. 0 v para todo v V.
2. Se v
1
v
2
entao v
2
v
1
.
3. Se v
1
v
2
para todo v
2
V ent ao v
1
= 0.
4. Se v
1
v
3
e v
2
v
3
ent ao (v
1
+ v
2
) v
3
.
5. Se v
1
v
2
e e um escalar entao v
1
v
2
.
Exemplo 1. Mostre que, em relac ao ao produto interno usual do R
3
os vetores u =
(1, 3, 2) e v = (1, 1, 1) sao ortogonais.
Para mostrar que dois vetores sao ortogonais basta provar que u, v) = 0. Assim:
u, v) = (1, 3, 2), (1, 1, 1))
u, v) = 1 + 3 2 = 0
Teorema 11.4 Seja v
1
, v
2
, , v
n
um conjunto de vetores nao nulos dois a dois or-
togonais, isto e, v
i
, v
j
) = 0 para todo i ,= j. Entao v
1
, v
2
, , v
n
e linearemente
independente.
Prova:
Considere a
1
v
1
+ a
2
v
2
+ + a
n
v
n
= 0.
Enao a
1
v
1
+ a
2
v
2
+ + a
n
v
n
, v
i
) = 0, v
i
) = 0 e,
a
1
v
1
, v
i
) +a
2
v
2
, v
i
) + +a
n
v
n
, v
i
) = 0
a
1
v
1
, v
i
) + a
2
v
2
, v
i
) + + a
n
v
n
, v
i
) = 0
Mas, por hipotese, v
i
, v
j
) = 0, i ,= j, ent ao
a
i
v
i
, v
i
) = 0, que pelo fato de v
i
nao ser o vetor nulo leva a a
i
= 0, para todo i, assim o
conjunto v
1
, v
2
, , v
n
e LI.
Denicao 11.5 Um conjunto = v

1
, v
2
, , v
n
de vetores de um espaco vetorial V
sera uma base ortogonal para V se for base de V e v
i
, v
j
) = 0 para todo i ,= j.
158
11.2 Coecientes de Fourier
Seja V um espaco vetorial munido de um produto interno , ), = v
1
, v
2
, , v
n
uma base ortogonal para V e w V.

Como w V e e base entao w = a
1
v
1
+ a
2
v
2
+ + a
n
v
n
. Calculando o produto
interno de w com v
i
tem-se:
a
1
v
1
+a
2
v
2
+ +a
n
v
n
, v
i
) = a
1
v
1
, v
i
) +a
2
v
2
, v
i
) + +a
i
v
i
, v
i
) + +a
n
v
n
, v
i
)
w, v
i
) = a
i
v
i
, v
i
) e
a
i
=
w, v
i
)
v
i
, v
i
)
Denicao 11.6 Os coecientes a
i
=
w, v
i
)
v
i
, v
i
)
sao chamados coecientes de Fourier.
Exemplo 1: Seja V = R
2
munido do produto interno canonico e seja tambem =
(1, 1), (1, 1) uma base ortogonal de V, verique. Determine as coordenadas de v =
(1, 5) em relac ao à base .
Lembre que estas coordenadas pode ser determinadas pela resoluc ao de (1, 5) = a(1, 1)+
b(1, 1), mas como e ortogonal estas coordenadas podem ser determinadas pelos coe-
cientes de Fourier a
i
=
w, v
i
)
v
1
, v
i
)
, assim,
a =
(1, 5), (1, 1))
(1, 1), (1, 1))
=
1 + 5
1 + 1
= 2 e,
b =
(1, 5), (1, 1))
(1, 1), (1, 1))
=
1 + 5
1 + 1
= 3 e,
(1, 5) = 2(1, 1) + 3(1, 1) ou [v]
=
_
_
2
3
_
_
.
11.3 Norma
Denicao 11.7 Seja V um espaco vetorial munido de um produto interno , ). Chama-se
norma de um vetor v V, em relacao a esta norma, denotado por |v|, a
|v| =
_
v, v) .
159
Exemplo 1: Determine |(1, 2)|.
|(1, 2)| =
_
(1, 2), (1, 2))
|(1, 2)| =
1 + 4
|(1, 2)| =
5
Exemplo 2: Determine |f(x)|, sendo f(x) = 2x 1.
|f(x)| =
_
f(x), f(x))
|f(x)| =
_
_
1
0
f(x)g(x)dx
|f(x)| =
_
_
1
0
(2x 1)(2x 1)dx
|f(x)| =
_
_
1
0
(2x 1)
2
dx
|f(x)| =
_
(2x 1)
3
6
1
0
|f(x)| =
_
1
3
Exemplo 3: Determine o valor de a para que |(6, a, 3)| = 7.
|(6, a, 3)| =
_
(6)
2
+ a
2
+ 3
2
= 7
36 + a
2
+ 9 = 49
a = 2
Propriedades:
Sejam V um espaco vetorial Euclidiano, v, w vetores de V e a R.
(i) |v| 0 e |v| = 0 se e so se v = 0.
(ii) |av| = [a[|v|.
(iii) [v, w)[ |v||w| (Desigualdade de Schwarz).
(iv) |v + w| |v| +|w| (Desigualdade triangular).
Denicao 11.8 Sejam v e w dois vetores de um espaco vetorial V munido de uma norma
|.|. Chama-se distancia
1
entre os vetores v e w, denotado por d(v, w), a:
d(v, w) = |v w|
1
A distancia e chamada de metrica induzida pela norma.
160
11.3.1

Angulo entre vetores
Denicao 11.9 Dados dois vetores u, v de um espaco Euclidiano V. O angulo entre u
e v e tal que:
cos() =
[u, v)[
|u||v|
Exemplo 1. Determine o angulo entre os vetores u = (1, 2, 1) e v = (2, 1, 1).
cos() =
[u, v)[
|u||v|
cos() =
[(1, 2, 1), (2, 1, 1))[
|(1, 2, 1)||(2, 1, 1)|
cos() =
2 2 + 1
6
cos() =
1
6
= arccos
1
6
Exemplo 2. Determine o angulo entre os vetores u =
_
_
1 0
2 2
_
_
e v =
_
_
0 1
2 2
_
_
.
cos() =
[u, v)[
|u||v|
cos() =
1.0 + 0.(1) + 2.2 + (2).2
1 + 0 + 4 + 4
0 + 1 + 4 + 4
= 0
= /2
Denicao 11.10 Dizemos que um vetor v de um espaco vetorial Euclidiano V esta nor-
malizado se |v| = 1.
Denicao 11.11 Seja V um espaco vetorial Euclidiano. Uma base = v
1
, v
2
, , v
n
de V sera chamada de base ortonormal se for ortogonal e cada vetor v

i
for unitario,
isto e:
[v
i
, v
j
)[ =
_
_
_
0, se i ,= j
1, se i = j
Exemplo 1. A base canonica = (1, 0, 0), (0, 1, 0), (0, 0, 1), em relac ao ao produto
interno usual, e uma base ortonormal.
Exemplo 2. Normalize a base do R
2
= (3, 4), (12, 5).
|(3, 4)| =
9 + 16 = 5
|(12, 5)| =
144 + 25 = 13
161
=
1
5
(3, 4),
1
13
(12, 5)
= (
3
5
,
4
5
), (
12
13
,
5
13
)
11.4 Processo de Ortogonalizacao de Gram-Schmidt
Dada uma base = v
1
, v
2
, , v
n
de um espaco vetorial Euclidiano V, desejamos
determinar, a partir de , uma base
= v
1
, v
2
, , v
n
que seja ortogonal.
Consideremos inicialmente, por exemplo, v
1
= v
1
. Desejamos determinar a partir do
vetor v
2
um vetor v
2
que seja ortogonal a v
1
.
Figura 11.1: Processo de Ortogonalizac ao de Gram-Schmidt
Observe a partir da gura 11.1 que v
2
= v
2
+cv
1
, em que cv
1
= cv
1
, isto e, v
2
= v
2
cv
1
e como v
2
, v
1
) = 0 ent ao
(v
2
cv
1
), v
1
) = 0
v
2
, v
1
) cv
1
, v
1
) = 0
v
2
, v
1
) cv
1
, v
1
) = 0
c =
v
2
, v
1
)
v
1
, v
1
)
e
v
2
= v
2
v
2
, v
1
)
v
1
, v
1
)
v
1
Generalizando este procedimento, vem:
v
1
= v
1
v
2
= v
2
v
2
, v
1
)
v
1
, v
1
)
v
1
162
v
3
= v
3
v
3
, v
2
)
v
2
, v
2
)
v
v
3
, v
1
)
v
1
, v
1
)
v
1
.
.
.
v
n
= v
n
v
n
, v
n1
)
v
n1
, v
n1
)
v
n1

v
n
, v
1
)
v
1
, v
1
)
v
1
Exemplo 1. Determine a partir de = (1, 1, 1), (0, 1, 1), (0, 0, 1) uma base ortonor-
mal para o R
3
munido do produto interno usual.
No processo de ortogonalizacao de Gram-Schmidt escolha v
1
= (1, 1, 1), v
2
= (0, 1, 1)
e v
3
= (0, 0, 1), assim:
v
2
= v
2
v
2
, v
1
)
v
1
, v
1
)
v
1
v
2
= (0, 1, 1)
(0, 1, 1), (1, 1, 1))
(1, 1, 1), (1, 1, 1))
(1, 1, 1)
v
2
= (0, 1, 1)
0 + 1 + 1
1 + 1 + 1
(1, 1, 1)
v
2
= (0, 1, 1)
_
2
3
,
2
3
,
2
3
_
v
2
= (2/3, 1/3, 1/3)
v
3
= v
3
v
3
, v
2
)
v
2
, v
2
)
v
v
3
, v
1
)
v
1
, v
1
)
v
1
v
3
= (0, 0, 1)
(0, 0, 1),
_
2
3
,
1
3
,
1
3
_
)
_
2
3
,
1
3
,
1
3
_
,
_
2
3
,
1
3
,
1
3
_
)
_
2
3
,
1
3
,
1
3
_
(0, 0, 1), (1, 1, 1))

(1, 1, 1), (1, 1, 1))
(1, 1, 1)
v
3
= (0, 0, 1)
1/3
6/9
_
2
3
,
1
3
,
1
3
_
1
3
(1, 1, 1)
v
3
= (0, 0, 1) (1/3, 1/6, 1/6) (1/3, 1/3, 1/3)
v
3
= (0, 1/2, 1/2)
e
= (1, 1, 1), (2/3, 1/3, 1/3), (0, 1/2, 1/2) e uma base ortogonal para R
3
.
Agora para obter uma base ortonormal deve-se normalizar cada um dos vetores de
.
v
1
=
v
1
|v
1
|
=
(1, 1, 1)
|(1, 1, 1)|
=
(1, 1, 1)
3
= (
3/3,
3/3,
3/3)
163
v
2
=
v
2
|v
2
|
=
(2/3, 1/3, 1/3)
|(2/3, 1/3, 1/3)|
=
(2/3, 1/3, 1/3)
6/3
= (2/
6, 1/
6, 1/
6)
v
3
=
v
3
|v
3
|
=
(0, 1/2, 1/2)
|(0, 1/2, 1/2)|
=
(0, 1/2, 1/2)
1/
2
= (0,
2/2,
2/2)
e
= (
3/3,
3/3,
3/3), (2/
6, 1/
6, 1/
6), (0,
2/2,
2/2) e uma base

ortonormal para R
3
.
Exemplo 2. Considere o espaco Euclidiano dos polinomios de grau menor ou igual a 2,
P
2
(x), munido do produto interno f(x), g(x)) =
_
1
0
f(x)g(x)dx e a base = 1, x, x
2
de P
2
(x). Ortogonalize .
No processo de ortogonalizac ao de Gram-Schmidt tome v
1
= 1, v
2
= x e v
3
= x
2
.
v
2
= v
2
v
2
, v
1
)
v
1
, v
1
)
v
1
v
2
= x
x, 1)
1, 1)
1
v
2
= x
_
1
0
1 xdx
_
1
0
1 1dx
1
v
2
= x
x
2
/2[
1
0
x[
1
0
1
v
2
= x 1/2
v
3
= x
2
x
2
, (x 1/2))
(x 1/2), (x 1/2))
(x 1/2)
x
2
, 1)
1, 1)
1
v
3
= x
2
_
1
0
x
2
(x 1/2)dx
_
1
0
(x 1/2) (x 1/2)dx
(x 1/2)
_
1
0
x
2
1dx
_
1
0
1 1dx
1
v
3
= x
2
_
1
0
(x
3
x
2
/2)dx
_
1
0
(x 1/2)
2
dx
(x 1/2)
_
1
0
x
2
dx
_
1
0
dx
1
v
3
= x
2
x
4
/4 x
3
/6[
1
0
(x 1/2)
3
/3[
1
0
(x 1/2)
x
3
/3[
1
0
x[
1
0
1
v
3
= x
2
1 (x 1/2)
1
3
1
v
3
= x
2
x + 1/6
e
= 1, x 1/2, x
2
x 1/6 e uma base ortogonal para P
2
(x). (Conrme o
164
resultado.)
11.5 Complemento ortogonal
Denicao 11.12 Considere um espaco vetorial Euclidiano V e S um subconjunto nao
vazio de V, nao obrigatoriamente um subespaco vetorial de V. Chama-se complemento
ortogonal de S, denotado por S
, ao conjunto:
S
= v V/v, s) = 0, s S .
Propriedades:
S
e um subespaco vetorial de V, independente de S ser subespaco de V ou nao.

(S
= S
S S
= 0
Se S for um subespaco vetorial de V entao S S
= V.
Se v S
ent ao v e ortogonal aos vetores de uma base de S.

S S
Se S
1
S
2
entao S
2
S
1
Exemplo 1. Considere o R
3
munido do produto interno canonico e S = span(1, 1, 2), (0, 1, 1).
Determine S
.
S
= v V/v, s) = 0, s S
Seja v S
entao v, s) = 0 para todo vetor s de S.

Como S e gerado por (1, 1, 2), (0, 1, 1) que e LI, ent ao (1, 1, 2), (0, 1, 1) e uma base
para S e entao v, (1, 1, 2)) = 0 e v, (0, 1, 1)) = 0, que para V = (x, y, z) vem:
_
_
_
x + y + 2z = 0
y + z = 0 y = z
x = z
165
e v = (z, z, z) logo,
S
= span(1, 1, 1).
11.6 Exerccios
1. Seja V um espaco vetorial munido de um produto interno , ). Mostre que 0, v) = 0
para todo v V.
2. Seja , ) o produto interno usual do R
2
. Determine o vetor w tal que w, u) = 1 e
w, v) = 3 sendo u = (1, 2) e v = (1, 1).
3. Seja V = C[0, 1] munido do produto interno f(x), g(x)) =
_
1
0
f(x)g(x)dx. Calcule
f(x), g(x)) para f(x) = x
2
2 e g(x) = 2x + 1.
4. Determine a para que os vetores f(x) = x 1 e g(x) = x + a de C[0, 1] sejam
ortogonais.
5. Sejam A e B duas matrizes do espaco R
22
munido do produto interno A, B) =
tr(B
T
A). Determine d(A, B), sendo A =
_
_
1 0
2 1
_
_
e B =
_
_
1 1
0 2
_
_
.
6. Seja T : R
3
R
3
dada por T(x, y, z) = (z, x y, z). Determine uma base
ortonormal para o complemento ortogonal do n ucleo de T.
7. Calcule a distancia entre os vetores u = (1, 3, 5, 7) e v = (4, 2, 8, 1) utilizando a
norma usual do R
4
8. Calcule a distancia entre os vetores u = t + 2 e v = 3t 2 utilizando a norma
u, v) =
_
1
0
u(t)v(t)dt.
9. Calcule o angulo entre os vetores:
(a) u = (1, 3, 2) e v = (2, 1, 5)
(b) u = (1, 3, 5, 4) e v = (2, 3, 4, 1)
(c) f(t) = 2t 1 e g(t) = t
2
, com a norma da integral
166
(d) A =
_
_
2 1
3 1
_
_
e B =
_
_
0 1
2 3
_
_
com a norma A, B) = tr(B
T
A).
10. Utilize Gram-Schmidt para obter uma base ortonormal a partir
de = (1, 1, 1), (1, 0, 1), (1, 2, 3).
11. Determine uma base ortonormal para o espaco soluc ao do sistema homogeneo
_
_
_
x + y z = 0
2x + y + 2z = 0
.
12. Utilize os coecientes de Fourier para determinar as coordenadas de v = (2, 3) em
à base ortonormal = (1/
2, 1/
2), (1/
2, 1/
2).
13. Idem para v = (2, 3, 1) e = (1/
5, 0, 2/
5), (2/
5, 0, 1/
5), (0, 1, 0).

14. Determine uma base para o complemento ortogonal do subespaco
W= span(2, 1, 0, 1, 2), (1, 3, 1, 2, 4), (3, 2, 1, 1, 2), (7, 7, 3, 4, 8),
(1, 4, 1, 1, 2).
167
Captulo 12
Conicas e quadricas
12.1 Conicas
Denicao 12.1 Dado um sistema de coordenadas cartesianas xOy, uma conica e o con-
junto de todos os pontos P(x, y) que vericam a equacao quadratica, do 2
o
grau com duas
variaveis,
Ax
2
+ By
2
+ Cxy + Dx +Ey + F = 0 .
Geometricamente as conicas sao obtidas atraves da intersec ao de um plano com uma
superfcie conica circular, conforme a gura 12.1.
Figura 12.1: Conicas
168
12.1.1 Parabola
Denicao 12.2 Parabola e o lugar geometrico dos pontos P(x, y) de um plano que equidis-
tam de uma reta d, chamada diretriz, e de um ponto F, chamado foco.
Figura 12.2: Par abola
Equac oes da parabola
1. O eixo de simetria e paralelo ao eixo Ox
(y y
o
)
2
= 2p(x x
o
)
2. O eixo de simetria e paralelo ao eixo Oy
(x x
o
)
2
= 2p(y y
o
)
12.1.2 Elipse
Denicao 12.3 Elipse e o lugar geometrico dos pontos P(x, y) de um plano cuja soma
das distancias a dois pontos xos dados F
1
e F
2
, chamados focos da elipse, e uma constante
2a, em que 2a > d(F
1
, F
2
).
d(P, F
1
) + d(P, F
2
) = 2a
Elementos da elipse:
A
1
, A
2
, B
1
, B
2
sao os vertices.
169
F
1
, F
2
sao os focos e segmento F
1
F
2
de comprimento 2c e a distancia focal.
O e centro, o ponto medio do segmento F
1
F
2
.
O segmento A
1
A
2
tem medida 2a e e chamado de eixo maior.
O segmento B
1
B
2
tem medida 2b e e chamado de eixo menor.
A aplicacao do teorema de Pitagoras no triangulo de vertices O, F
1
e B
2
conduz à
relac ao
a
2
= b
2
+ c
2
A relac ao e =
c
a
e a excentricidade da elipse.
Figura 12.3: Elipse
Equacao da elipse
1. Os eixos sao paralelos ao eixo coordenados
(x x
o
)
2
a
2
+
(y y
o
)
2
b
2
= 1
12.1.3 Hiperbole
Denicao 12.4 Hiperbole e o lugar geometrico dos pontos P(x, y) de um plano cujo
modulo da diferenca de suas distancias a dois pontos xos dados F
1
e F
2
, chamados focos
da hiperbole, e uma constante 2a, em que 2a < d(F
1
, F
2
).
[d(P, F
1
) d(P, F
2
)[ = 2a
170
Figura 12.4: Hiperbole
Equacoes da hiperbole
1. Os eixos sao paralelos ao eixos coordenados.
(x x
o
)
2
a
2

(y y
o
)
2
b
2
= 1
Exerccios: Identique cada uma das seguintes conicas:
1. 2x
2
5y
2
7 = 0
2x
2
5y
2
= 7
2x
2
7

5y
2
7
= 1
x
2
__
7/2
_
2

y
2
__
7/5
_
2
= 1 Representa uma hiperbole.
2. x
2
+ y
2
6x 2y + 8 = 0
x
2
6x + 9 + y
2
2y + 4 2 = 0
(x 3)
2
+(y 1)
2
= 2 Representa uma circunferencia de raio
2 e centro (3, 1).

3. 2x
2
+ 2y
2
+ 4xy + 4
2 x + 12
2 y 8 = 0
1
o
Escrevendo a equacao em forma matricial.
_
x y
_
_
_
a b
b c
_
_
_
_
x
y
_
_
= ax
2
+ 2bxy + cy
2
Assim,
_
_
a = 2
b = 2
c = 2
Logo.
171
_
x y
_
_
_
2 2
2 2
_
_
_
_
x
y
_
_
+
_
4
2 12
2
_
_
_
x
y
_
_
8 = 0
2
o
Determinac ao dos autovalores e autovetores da matriz
_
_
2 2
2 2
_
_
v
1
= (
1
2
,
1
2
) e o autovetor associado ao autovalor
1
= 0.
v
2
= (
1
2
,
1
2
) e o autovetor associado ao autovalor
2
= 4.
Assim
_
x y
_
_
_
2 2
2 2
_
_
_
_
x
y
_
_
na base canonica se reduz a
_
x
1
y
1
_
_
_
0 0
0 4
_
_
_
_
x
1
y
1
_
_
em relacao à base de autovetores.
3
o
Determinac ao da matriz mudanca de coordenadas da base de autovetores para a
base canonica.
_
x
1
y
1
_
=
_
I
_
autovetores
canonica
_
_
x
1
y
1
_
_
_
x
1
y
1
_
=
_
_
1/
2 1/
2
1/
2 1/
2
_
_
autovetores
canonica
_
_
x
1
y
1
_
_
4
o
Reescrever a equacao dada na base de autovetores.
_
x
1
y
1
_
_
_
0 0
0 4
_
_
_
_
x
1
y
1
_
_
+
_
4
2 12
2
_
_
_
1/
2 1/
2
1/
2 1/
2
_
_
_
_
x
1
y
1
_
_
8 =
0
Efetuando as operac oes anteriores, vem:
y
2
1
+ 2x
1
+ 4y
1
2 = 0
ou ainda
(y
1
+ 2)
2
+ 2(x
1
3) = 0
Que representa uma parabola de vertice (2, 3) em relac ao ao sistema de eixos
formados pelos autovetores.
Figura 12.5:
172
12.2 Quadricas
Denicao 12.5 Uma quadrica em R
3
e o conjunto de todos os pontos P(x, y) que veri-
cam a equacao quadratica, do 2
o
grau com tres variaveis,
Ax
2
+By
2
+ Cz
2
+Dxy +Exy + Fyz + Gx + Hy + Iz +J = 0 .
12.2.1 Elipsoide
x
2
a
2
+
y
2
b
2
+
z
2
c
2
= 1
Figura 12.6: Elipsoide
12.2.2 Hiperboloide de uma folha
x
2
a
2
+
y
2
b
2

z
2
c
2
= 1
Figura 12.7: Hiperboloide de uma folha
173
12.2.3 Hiperboloide de duas folhas
x
2
a
2

y
2
b
2
+
z
2
c
2
= 1
Figura 12.8: Hiperboloide de duas folhas
12.2.4 Paraboloide elptico
x
2
a
2
+
y
2
b
2
= cz
Figura 12.9: Paraboloide elptico
12.2.5 Paraboloide hiperbolico
x
2
a
2
+
y
2
b
2
= cz
174
Figura 12.10: Paraboloide hiperbolico
12.2.6 Cone elptico
x
2
a
2
+
y
2
b
2
= z
2
12.2.7 Cilindro elptico
x
2
a
2
+
y
2
b
2
= 1
12.2.8 Cilindro hiperbolico
x
2
a
2

y
2
b
2
= 1
12.2.9 Cilindro parabolico
y = ax
2
175
Figura 12.11: Cilindro parabolico
Exemplo 1. Classique e esboce o graco da quadrica x
2
+y
2
2x 4y +2z +5 = 0.
a) Fazendo uma translac ao para eliminar os termos lineares.
(x 1)
2
+ (y 2)
2
+ 2z = 0 = Paraboloide circular.
Exemplo 2. Classique e esboce o graco da quadrica x
2
+ 2yz + z y = 100.
a) Escrevendo a equac ao em forma matricial:
_
x y z
_
_
_
_
_
_
1 0 0
0 0 1
0 1 0
_
_
_
_
_
_
_
_
_
_
x
y
z
_
_
_
_
_
+
_
0 1 1
_
_
_
_
_
_
x
y
z
_
_
_
_
_
= 100
b) Determinar uma base ortonormal de autovetores.
= v
1
, v
2
, v
3
, em que v
1
= (1, 0, 0) e v
2
= (0,
1
2
,
1
2
) sao autovetores normalizados
associados ao autovalor
1
= 1 e v
3
= (0,
1
2
,
1
2
) e autovetor de norma igual a 1
associado ao autovalor
2
= 1.
c) Determinar a matriz mudanca de base.
_
_
_
_
_
x
y
z
_
_
_
_
_
can
=
_
I
_
autov
can
_
_
_
_
_
x
1
y
1
z
1
_
_
_
_
_
autov
= I =
_
_
_
_
_
_
1 0 0
0
1
2
1
2
0
1
2
1
2
_
_
_
_
_
_
d) Reescrever a equac ao em relac ao à base (referencial) de autovetores.
_
x
1
y
1
z
1
_
_
_
_
_
_
1 0 0
0 1 0
0 0 1
_
_
_
_
_
_
_
_
_
_
x
1
y
1
z
1
_
_
_
_
_
+
_
0 1 1
_
_
_
_
_
_
_
1 0 0
0
1
2
1
2
0
1
2
1
2
_
_
_
_
_
_
_
_
_
_
_
x
1
y
1
z
1
_
_
_
_
_
=
176
100
e) Voltar da forma matricial para a forma quadratica.
x
2
1
y
2
1
+z
2
1

2
2
y
1
= 100
f) Efetuar uma translac ao para eliminar os termos lineares.
x
2
1
(y
1
+
1
2
)
2
+ z
2
1
=
199
2
e ainda
x
2
1
__
199/2
_
2

(y
1
+
1
2
)
2
__
199/2
_
2
+
z
2
1
__
199/2
_
2
= 1
A equacao representa um paraboloide de duas folhas.
12.3 Exerccios
Esboce o graco e classique as seguintes quadricas:
1. x
2
9y
2
+ z
2
= 9
2. 9x
2
16y
2
+ z
2
= 144
3.
x
2
16

y
2
9
+
z
2
4
= 0
4. z = x
2
+ 2y
2
5. 2x
2
+ 3y
2
+ 4z
2
= 12
177
Referencias Bibliogracas
[1] BOLDRINI, Jose Luiz; et al.

Algebra linear. Sao Paulo: Harper&Row do Brasil,
1980.
[2] BOULOS, Paulo; Camargo, Ivan de. Geometria analtica: Um tratamento vetorial.
Sao Paulo, McGraw-Hill, 2
a
edicao.
[3] DOMENICO, Luiz Carlos de. Exerccios.
[4] KOLMAN, Bernard. Introduc ao à algebra linear com aplicacoes. Rio de Janeiro:
Prentice-Hall do Brasil, 1980.
[5] KRAUSE, Decio. Notas de aulas
[6] LIPSCHUTZ, Seymour.

Algebra Linear. Makron Books, Sao Paulo 1994, 3
a
edic ao.
[7] MEYER, Carl D. Matrix analysis and applied linear algebra. SIAM, Philadelphia,
2000.
[8] MUNEM, Mustafa A.; FOULIS, David. J. Calculo. Rio de Janeiro: Editora Guan-
abara Dois, 1982.
[9] RIGHETTO, Armando. Vetores e Geometria Analtica. Sao Paulo: IBLC, 1988.
[10] ROCHA, Silvana H. Apostila de matematica 1. Curitiba: UTFPR.
[11] STEINBRUCH, Alfredo.; WINTERLE, Paulo. Geometria Analtica. Sao Paulo:
McGraw-Hill, 1987.
[12] STEINBRUCH, Alfredo.; WINTERLE, Paulo.

Algebra linear. Sao Paulo: McGraw-
Hill, 1987.
178
[13] VENTURI, Jacir.

Algebra vetorial e geometria analtica. 9
a
edicao.
[14] SHORES, Thomas S. Applied linear algebra and matrix analysis. 2000.
179

Apostila Álgebra Linear

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Apostila Álgebra Linear

Diunggah oleh

Hak Cipta:

Format Tersedia

Notas de aulas

Altemir Jose Borges

E um sistema nos quais os pontos sao elementos do espaco bidimensional, isto e, de

3), dado em coordenadas

E um sistema nos quais os pontos sao elementos do espaco tridimensional, isto e, o

3, 4), dado em coorde-

3 x = Plano passando pela origem.

E uma matriz quadrada (m = n) onde a

E uma matriz quadrada (m = n) onde a

E uma matriz quadrada (m = n) onde a

E uma matriz quadrada (m = n) onde a

E uma matriz quadrada (m = n) onde a

E uma matriz quadrada (m = n) onde a

E uma matriz quadrada (m = n) onde a

E uma matriz que e formada por poucos elementos nao nulos.

E importante citar que existira uma grande economia computacional se somente os

E uma matriz A onde e diagonalmente dominante se [a

2.3.3 Multiplicacao por escalar

Denicao: Dadas as matrizes A

e a transposta da matriz conjugada de A (A

que tambem seja uma inversa `a esquerda de A, logo

= G, ou seja a inversa e unica.

E um vetor que possui modulo igual a zero.

v , ao vetor obtido por meio do seguinte procedimento: Dado um ponto A

u e o ponto C tal que C = B+

v possuem a mesma direc ao.

v terao mesmo sentido se K > 0 e terao sentidos contr arios se K < 0.

k tenha modulo igual

k estao aplicados no mesmo

v sera nulo se:

P da gura 5.7 pode-se escrever:

v [ sabendo que o angulo entre os vetores

u = (2, 3, 4) sobre o vetor

v e ortogonal ao plano determinado por

AB = B A = (0, 1, 3) (1, 0, 1) = (1, 1, 2)

AC = C A = (1, 2, 4) (1, 0, 1) = (2, 2, 3)

k podem ser os lados de um triangulo. Calcule o permetro e os comprimentos

42 e cuja direc ao e a direc ao da

RS = (4, 0, 2) (1, 2, 1) = (3, 2, 1)

2/2, 1/2, 1/2).

V, tais que, para todos u, v, w de V e a e b reais tenha-se:

sera linearmente independente (LI) se a equac ao a

Corolario 8.8 Qualquer de n vetores LI de um espaco vetorial V de dimensao n sera

= (1, 0), (0, 1) duas bases do R

e a matriz de mudanca de base da base para a base

e inversvel e assim multiplicando

Teorema 9.3 Se T : U V e linear, entao

= (3, 1, 1) e uma base para ket(T) e assim o posto do n ucleo de T e (T) = 1.

= (0, 0, 1) e uma base para ker(T).

Teorema 9.18 Seja T L(U, V), entao dim(ker(T)) + dim(Im(T)) = dim(U).

Se T e sobrejetora entao dim(im(T)) = dim(V ), logo pela hipotese dim(im(T)) = dim(U)

ser LI vem que b

= (1, 0), (0, 1). Determine [T]

= (1, 3), (1, 4). Determine [T]

= (0, 3, 0), (1, 0, 0), (0, 1, 1)

= (1, 2), (0, 1).

= (1, 1, 1), (1, 0, 2), (0, 1, 0).

10.2 Autovalores e autovetores de uma matriz

Exemplo 1: Determine os autovalores e autovetores da matriz A =

Corolario 10.8 Seja V um espaco vetorial de dimensao n e T L(V, V) com n autoval-

de V e W, respectivamente, e A. Justique porque as

Denicao 11.5 Um conjunto = v

uma base ortogonal para V e w V.

de V sera chamada de base ortonormal se for ortogonal e cada vetor v